IRIS Institutional Research Information System - AIR Archivio Istituzionale della Ricerca
IRIS è il sistema di gestione integrata dei dati della ricerca (persone, progetti, pubblicazioni, attività) adottato dall'Università degli Studi di Milano.
AIR nasce in UNIMI nel 2006 con lo scopo di raccogliere, documentare e conservare le informazioni sulla produzione scientifica dell'Università degli Studi di Milano e costituisce di fatto l'Anagrafe della ricerca dell'Ateneo.
EnglishThe detection of pathogenic genomic variants associated with genetic or cancer diseases represents an open problem in the context of the Genomic Medicine. In particular the detection of mutations in the non-coding regions of human genome represents a particularly challenging machine learning problem, since the number of neutral variants largely outnumber the pathogenic ones, thus resulting in highly imbalanced classification problems. We applied neural networks to the detection of pathogenic regulatory genomic variants in Mendelian diseases and we showed that leveraging imbalance-aware techniques and deep learning algorithms, we can obtain state-of-the-art results, using a less complex model than those proposed in literature for this challenging prediction task.
A neural model for the prediction of pathogenic genomic variants in Mendelian diseases / A. Cuzzocrea, L. Cappelletti, G. Valentini - In: Advances in Signal Processing and Artificial Intelligence: Proceedings / [a cura di] A. Cuzzocrea, L. Cappelletti, G. Valentini. - Barcelona : IFSA Publishing, 2019 Mar. - ISBN 9788409101276. - pp. 34-38 (( Intervento presentato al 1. convegno Advances in Signal Processing and Artificial Intelligence tenutosi a Barcelona nel 2019.
| Titolo: | A neural model for the prediction of pathogenic genomic variants in Mendelian diseases | |
| Autori: | VALENTINI, GIORGIO (Corresponding) | |
| Parole Chiave: | Neural Networks; imbalance-aware Neural Networks; Deep Learning; Prediction of pathogenic genomic variants; Mendelian diseases | |
| Settore Scientifico Disciplinare: | Settore INF/01 - Informatica Settore BIO/11 - Biologia Molecolare | |
| Data di pubblicazione: | mar-2019 | |
| Tipologia: | Book Part (author) | |
| Appare nelle tipologie: | 03 - Contributo in volume |
File in questo prodotto:
| File | Descrizione | Tipologia | Licenza | |
|---|---|---|---|---|
| valentini-ASPAI2019.pdf | Post-print, accepted manuscript ecc. (versione accettata dall'editore) | Administrator Richiedi una copia |
Pubblicazioni consigliate
Copyright © 2021