L'apprentissage à partir de la pléthore d'informations du génie génétique
Aujourd'hui, les ordinateurs peuvent traiter les informations par séries et résoudre des problèmes complexes de façon plus rapide que pour un cerveau humain. Les systèmes spécialisés ont surpassé les compétences humaines dans un large éventail de tâches. Cependant, il leur est encore extrêmement difficile de reproduire les fonctions qualitatives que le cerveau effectue naturellement en reconnaissant des motifs pour prendre des décisions. Dans le cadre du projet ARSINFORMATICA (Artificial intelligence, branching processes and coalescent – Searching the information from a genetic cornucopia), financé par l'UE, des scientifiques ont exploré les capacités de l'apprentissage machine pour éplucher des données génomiques. L'objectif était de trouver des liens entre des génotypes et des maladies et de comprendre la sélection naturelle. Des modèles mathématiques ont été développés pour étudier comment les barrières génétiques ont persisté entre les hommes modernes et les Néandertaliens. La période de coexistence des espèces Homo Sapiens et Neandertalensis était à la base de cette énigme. Les scientifiques ont étudié les métissages entre les deux populations pour confirmer les récentes découvertes venant d'études de l'ADN. En outre, ils ont procédé à une recherche de signatures de sélection naturelle au niveau moléculaire dans des données de polymorphisme nucléotidique. Les résultats obtenus à partir des approches largement utilisées sont obscurcis par la présence d'hypothèses, comme la croissance démographique et la sous-structure géographique. Les scientifiques ont traité ce problème en appliquant des hypothèses nulles aux dimensions multiples qui assument différents scénarios de population. Les capacités de la méthode dite des hypothèses nulles aux dimensions multiples à générer des connaissances furent démontrées dans la recherche de sélection naturelle au niveau des gènes impliqués dans les cancers familiaux. Bien que cette méthode exige des calculs intensifs et ne peut pas être appliquée à une recherche similaire dans plusieurs gènes, elle s'est révélée capable d'évaluer l'influence de l'évolution dans le temps et de la démographie en taille de population. Des articles scientifiques sur les résultats ont été publiés dans des revues spécialisées de grande renommée et présentés lors de conférences internationales. Le projet ARSINFORMATICA avait pour but final de renforcer la dimension internationale de la recherche polonaise dans la biologie computationnelle et la bioinformatique. Des liens de collaboration ont également été établis avec les États-Unis. Faciliter la recherche collaborative à long terme au niveau international contribuera à renforcer l'Espace européen de la recherche (EER). Les techniques d'apprentissage machine développées et transposées en outils pratiques devraient trouver des applications au-delà de la génétique humaine. Plus particulièrement, les algorithmes d'apprentissage machine et les processus de fouille de données devraient faciliter la reconnaissance de motifs, même dans des données non structurées.
Mots‑clés
Abondance du génie génétique, intelligence artificielle, ARSINFORMATICA, apprentissage machine, données génomiques, sélection naturelle
