Deep Learning in der Bioinformatik: Einführung, Anwendung und Perspektive im Zeitalter der großen Daten

Zusammenfassung Deep Learning, das besonders stark im Umgang mit großen Daten ist, hat in verschiedenen Bereichen, darunter die Bioinformatik, große Erfolge erzielt. Mit den Fortschritten des Zeitalters der großen Daten in der Biologie ist absehbar, dass Deep Learning im Feld immer wichtiger werden wird und in großen Teilen der Analysepipelines integriert wird. In diesem Review bieten wir sowohl die esoterische Einführung in Deep Learning als auch konkrete Beispiele und Implementierungen seiner repräsentativen Anwendungen in der Bioinformatik. Wir beginnen mit den jüngsten Errungenschaften des Deep Learning im Bereich der Bioinformatik und weisen auf die Probleme hin, bei denen Deep Learning geeignet ist. Danach führen wir Deep Learning auf verständliche Weise ein, von flachen neuronalen Netzwerken über legendäre konvolutionale neuronale Netzwerke, legendäre rekursive neuronale Netzwerke, Graph-neuronale Netzwerke, generative gegnerische Netzwerke, Variationsautoencoder und die neuesten state-of-the-art Architekturen. Anschließend bieten wir acht Beispiele an, die fünf Richtungen der bioinformatischen Forschung und alle vier Datentypen abdecken, mit der Implementierung in TensorFlow und Keras. Schließlich besprechen wir die häufigen Probleme wie Überanpassung und Interpretierbarkeit, die Benutzer beim Einsatz von Methoden des Deep Learning begegnen werden, und geben entsprechende Vorschläge. Die Implementierungen sind unter https://github.com/lykaust15/Deepₗearningₑxamples frei verfügbar.