برای مطالعه و درک بهتر فرآیندهای پیچیده زیستی، استفاده از روش‌های یکپارچه که داده‌های امیکس چندگانه را ترکیب می‌کنند، ضروری است. در این گونه روش‌ها داده‌هایی نظیر ژنومیک، ترنسکریپتومیک و پروتئومیک با یکدیگر ادغام شده و روابط میانی و تاثیرات آن‌ها بر وقایع سلولی مانند رخداد بیماری‌ها بررسی می‌شود. در سال‌های اخیر با توجه به پیشرفت تکنولوژی‌های با توان عملیاتی بالا و تولید شدن حجم بسیاری از داده‌های امیکس چندگانه، ابزارهای گوناگونی برای یکپارچه و تفسیر کردن این اطلاعات توسعه یافته‌اند.
در این سمینار پس از مرور تعاریف داده‌های امیکس چندگانه و ارتباطات میان آن‌ها، به بررسی کاربردها و چالش‌های این مسئله و نقش ابزارهای یادگیری ماشین در این حوزه می‌پردازیم.
ارائه دهنده: مهدیس حبیب پور