Notre objectif est d’aider les participants à améliorer l’interprétation et l’usage des données multi-échelle qui sont accumulées dans les laboratoires biologiques ou médicaux. Cette année, la formation se concentrera particulièrement sur l'application des approches d'apprentissage automatique (AA) pour l'analyse de données multi-omiques dans la recherche sur le cancer et les avantages pour les cliniques. Nous examinerons les méthodes et outils actuels pour l’analyse et l’interprétation des données massives, ainsi que des applications concrètes liées au cancer. En particulier, nous mettront l’accent sur le rôle des méthodes IA/AA pour la compréhension d’hétérogénéité des tumeurs et leurs applications sur le développement de traitements personnalisés.
Nous avons invité des intervenants de différents domaines de la biologie des systèmes de cancer, en particulier du domaine de Big Data et de l'apprentissage automatique (AA) dans la recherche sur le cancer et dans les cliniques. Ces invités exposeront plusieurs approches pour les données omiques, l’imagerie, l’analyse de données cliniques et leur interprétation, en combinant les réseaux de signalisation avec les données multi-échelles et en leur associant des données cliniques. De plus, les algorithmes de prédiction de sensitivité aux drogues ; l’identification de marqueurs biologiques et de promoteurs du cancer ; les approches de stratification de patients ; les applications de la modélisation mathématique et de l’analyse d’images au cancer orientée sur les approches IA/AA seront présentées.
En outre, des algorithmes de prédiction de la sensibilité aux médicaments , l'identification de biomarqueurs et de promoteur de cancer, des approches de stratification des patients, l'application de la modélisation mathématique et de l'analyse d'images dans le domaine du cancer, en mettant l'accent sur les approches de l'apprentissage automatique pour l'intégration de l'analyse de données multi-omiques seront démontrés.
Ce cours est sponsorisé par la Federation of European Biochemical Societies (FEBS). L'un des objectifs majeurs de FEBS est la publication de journals de haute qualité scientifique par des chercheurs pour des chercheurs. Plus d'information sur les FEBS Journals ICI .