Applicazione di un algoritmo d’apprendimento basato su sistemi fuori dall’equilibrio a dati di Genome Wide Association

Il fenomeno dell’apprendimento può essere studiato attraverso metodiche di Meccanica Statistica. A partire dalle Neural Networks è possibile descrivere il problema dell'apprendimento mediante un sistema di spin interagenti. Usando una descrizione all’equilibrio del sistema e sotto opportune condizioni, tale problema si dimostra computazionalmente complesso. Tuttavia, esistono algoritmi euristici in grado di risolvere lo stesso problema efficacemente. Si dimostra che questa apparente inconsistenza è dovuta al fatto che lo spazio delle soluzioni degli algoritmi euristici non coincida con quello atteso all’equilibrio. Utilizzando una distribuzione fuori dall’equilibrio è possibile realizzare l’algoritmo replicated focusing Belief Propagation (rfBP), i cui risultati in termini di performance computazionali e di natura delle soluzioni sono in linea con i risultati degli algoritmi euristici. Questo lavoro evidenzia come l’utilizzo integrato di modelli a Spin-Glass, grafi e Neural Networks siano in grado di creare una base teorica solida per lo sviluppo di algoritmi di machine learning originali e innovativi. Questo lavoro, inoltre, introduce una nuova libreria di C++ ottimizzata per il calcolo parallelo dell’algoritmo rfBP e applica tale algoritmo su dati di Genome Wide Association. Sono stati considerati campioni di genomi del batterio Salmonella, ospitati in diversi animali, ed è stato effettutato il training dell’algoritmo rfBP sull’insorgenza di mutazioni (Single Nucleotide Polymorphism, SNP), nel tentativo di determinare l’animale da cui essi sono stati ospitati. L’obiettivo di questa applicazione è capire come i genomi dei batteri siano influenzati dal proprio ospite animale e se è possibile evidenziare delle caratteristiche che permettano di risalire dalla sequenza di SNPs all’ospite. Questo lavoro mostra che l’algoritmo rfBP produce, su tali sequenze di SNPs, performance comparabili e superiori a quelli ricavati con le più comuni tecniche di Machine Learning.