Метод главных компонент (PCA) является одним из наиболее используемых интсрументов качественного анализа и визуализации генетических данных в популяционной генетике. Вариационные автокодировщики - подход из глубокго машинного обучения, позволяющий проводить нелинейный анализ данных аналогично методу главных компонент. В рамках проекта будет изучена возможность и целесообразность использования такого подхода к практическим задачам. Вариационные автокодировщики позволяют лучше отделять...Подробнее

Изучение различных методов кластеризации данных для визуализации структуры популяции в популяционной генетике.

Еженедельные личные встречи, отчёты.

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

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

На прошлом этапе работ было исследовано применение вариационных автокодировщиков с евклидовым и гиперболическим латентными пространствами для кластеризации генетических данных с целью визуализации структуры популяции. Проведено сравнение с методом главных компонент, который является одним из основных инструментов в популяционной генетике. По результатам опубликована конференционная статья Bogdanov, Shchur, "Variational Autoencoders with Euclidean and Hyperbolic Latent Spaces for Population...Подробнее