Adam Arany
Katoliška univerza Leuven, Belgija
Biografija: Adam Arany je trenutno podoktorski raziskovalec na Katoliški univerzi Leuven v Belgiji. Njegovo znanstveno delo se osredotoča na področje kemoinformatike in strojnega učenja, predvsem na Bayesove metode in globoko učenje. Magistrski študij računalništva in inženirstva je zaključil na Univerzi za tehnologijo in ekonomijo v Budimpešti (Madžarska), doktorski študij iz farmacevtske kemije pa na Univerzi Semmelweis.
Hkratno učenje in analiza fenotipskih podatkov
Hkratno učenje predstavlja učinkovit pristop strojnega učenja, ki združuje podatke več povezanih nalog, pri čemer nudi večjo natančnost, kot če bi posamezno nalogo reševali ločeno. Ob upoštevanju posebnih zahtev obsežnih bioloških problemov je naša raziskovalna skupina razvila metodo Bayesove matrične faktorizacije Macau in njeno nelinearno nadgradnjo SparseFlow, ustvarjeno na osnovi globokega učenja. Med predavanjem bo predstavljena raba teh metod na dveh področjih, povezanih z analizo podatkov.
Pri prvi gre za presojo koncepta, ki dokazuje, da podatke vsakega testa visokozmogljivostne slike lahko ponovno uporabimo za napovedovanje bioloških aktivnosti spojin v stotinah testov, katerih tarča so nepovezane poti ali biološki procesi. Rezultati kažejo na to, da podatki obsežnih presejalnih testov predstavljajo bogat vir informacij, ki jih lahko uporabimo za napovedovanje in nadomeščanje prilagojenih bioloških testov. S temi rezultati utemeljimo tudi nadaljnje raziskave na področju učenja na osnovi slik za odkrivanje učinkovin.
Kar se drugega področja rabe tiče, smo uporabili metodo matrične faktorizacije, s katerim smo dobili vpogled v mehanizme, na katerih temelji učinkovitost zdravljenja raka, ki smo jo izmerili glede na učinek vrste celice (gensko izražanje) in tarč učinkovin ter na učinek zdravila na celične linije.