275 Методы машинного обучения для изучения адаптивной интрогрессии

Vladimir Shchur

руководитель проекта

Старт

22.05.2020

Паспорт проекта

Аннотация

Естественный отбор - это основной фактор эволюции. Результатом его действия на популяцию является увеличение числа тех особей, приспособленность которых к данным условиям обитания выше, чем у других. Одним из сценариев развития естественного отбора является адаптивная интрогрессия. Понимание её механизмов важно для предсказания времени смешения двух популяций, нахождения распределения длин участков генома, содержащих адаптационную аллель, обнаружения в геноме современного человека фрагментов...

Отрасль

Информатика

Цель

Разработка метода машинного обучения для изучения естественного отбора

Ожидаемые результаты

**2021-2022**
* Повышение точности работы метода, разработанного на первом этапе работы над проектом.
* Валидация метода на широком диапазоне параметров.
* Применение метода для анализа экспериментальных данных.
**2020-2021**
1. Построенный конвейер для генерации данных для обучения нейронных сетей
2. Глуокая нейронная сеть для нахождения времени интрогрессии, процента примешивания, силы естественного отбора, положения гена, находящегося под отбором

Форма и способы промежуточного контроля

Еженедельные личные встречи, отчёты, Slack, Trello.

Форма представления результатов

Отчёт, несколько глав для черновика статьи по результатам исследования, программный код на GitHub.

Ресурсное обеспечение

Суперкомпьютер НИУ ВШЭ, библиотека НИУ ВШЭ, ресурсы международной лаборатории статистической и вычислительной геномики.

Имеющийся задел

Разработан прототип метода для определения параметров адаптивной интрогрессии (сила естественного отбора, время периода нейтральности, доля примешивания, время примешивания и др.) при помощи глубокой нейронной сети-трансформера.