L INTERPRETAZIONE DEL DATO

Transcript

1 L INTERPRETAZIONE DEL DATO alessandro verri 2 a Convention Galliera 2016 Genova, 18 marzo

2 INDICE albori di una nuova era

3 INDICE albori di una nuova era problemi di scala

4 INDICE albori di una nuova era problemi di scala via d uscita

5 UNO TSUNAMI DI DATI il nostro DNA è formato da più di 3 miliardi di basi gli SNP sono circa 1,500,000 le proteine confermate circa 20,000

6 IMPARARE NUOVA CONOSCENZA che cosa possiamo fare con tutti questi dati? l idea è quella di utilizzarli per inferire conoscenza

7 IN MEDICINA/BIOLOGIA: STUDIARE LA RELAZIONE TRA GENOTIPO E FENOTIPO quali geni spiegano il fenotipo?

8 LA SCIENZA DEI DATI: GLI ALBORI con carta e penna: pochi dati in poche dimensioni Ronald Fisher (1890,1962)

9 LA SCIENZA DEI DATI: EVOLUZIONE con l avvento del computer: tanti dati in poche dimensioni (il sogno di Fisher)

10 LA SCIENZA DEI DATI: EVOLUZIONE con l avvento del computer: tanti dati in poche dimensioni (il sogno di Fisher) studi e sviluppi condizionati, per molti anni, dalla limitata dimensione fisica delle memorie dei computer e da una ridotta potenza di calcolo

11 L INCUBO DI FISHER p>>n tante misure (p~ ) pochi campioni (n~ )! sfide imparare dai dati visualizzare i risultati interpretarli biologicamente

12 LO SCENARIO È CAMBIATO: MEDICINA E MEDICINA QUANTITATIVA Domanda Estrazione Biologica/ Dati di Validazione Medica Conoscenza prima -omics #sample>#variables! n>d Statistica Classica

13 LO SCENARIO È CAMBIATO: MEDICINA E MEDICINA QUANTITATIVA Domanda Estrazione Biologica/ Dati di Validazione Medica Conoscenza dopo #sample<<#variables! Scienze -omics n<<d Computazionali

14 NO FREE LUNCH THEOREM le malattie complesse sono quasi sempre multifattoriali poligeniche il loro sviluppo dipende da gruppi di geni (pathways) i problemi sono difficili: per quale motivo ci aspettiamo che si possano affrontare con strumenti semplici?

15 PERCHÉ MULTIVARIATO? gene 2 gene 1

16 PERCHÉ MULTIVARIATO? gene 2 gene 1

17 PERCHÉ MULTIVARIATO? gene 2 gene 1

18 PERCHÉ MULTIVARIATO? gene 2 gene 1

19 n fenotipi nuova conoscenza n genotipi APPRENDIMENTO DA ESEMPI d misure per paziente matrice dei dati fenotipo (etichetta) healthy 0,5779 0,5035 0,0938 0,4064 0,8184 0,7848 0,3457 0,4131 0,5515 0,0046 0,6842 0,6159 0,8035 0,6612 0,0870 0,1205 0,7088 0,5677 0,8568 0,0304 0,9938 0,6638 0,0162 0,5096 0,4309 0,9815 0,4585 0,5874 0,2894 0,7539 0,0616 0,0028 0,7594 0,9018 0,0610 0,8240 0,0356 0,5365 0,7559 0,1312 0,6758 0,8992 0,5348 0,8569 0,4018 0,7751 0,8999 0,9637 0,8493 0,6705 0,3569 0,4694 0,3314 0,3283 0,0924 0,5027 0,6009 0,9251 0,1063 0, healthy healthy diseased diseased diseased

20 n fenotipi nuova conoscenza n genotipi APPRENDIMENTO DA ESEMPI d misure per paziente matrice dei dati fenotipo (etichetta) healthy 0,5779 0,5035 0,0938 0,4064 0,8184 0,7848 0,3457 0,4131 0,5515 0,0046 0,6842 0,6159 0,8035 0,6612 0,0870 0,1205 0,7088 0,5677 0,8568 0,0304 0,9938 0,6638 0,0162 0,5096 0,4309 0,9815 0,4585 0,5874 0,2894 0,7539 0,0616 0,0028 0,7594 0,9018 0,0610 0,8240 0,0356 0,5365 0,7559 0,1312 0,6758 0,8992 0,5348 0,8569 0,4018 0,7751 0,8999 0,9637 0,8493 0,6705 0,3569 0,4694 0,3314 0,3283 0,0924 0,5027 0,6009 0,9251 0,1063 0, healthy healthy diseased diseased diseased

21 APPRENDIMENTO DA ESEMPI coppie di ESEMPI (X,Y) predizioni 0,5779 0,5035 0,0938 0,4064 0,8184 0,7848 0,3457 0,4131 0,5515 0,0046 0,6842 0,6159 0,8035 0,6612 0,0870 0,1205 0,7088 0,5677 0,8568 0,0304 0,9938 0,6638 0,0162 0,5096 0,4309 0,9815 0,4585 0,5874 0,2894 0,7539 0,0616 0,0028 0,7594 0,9018 0,0610 0,8240 0,0356 0,5365 0,7559 0,1312 0,6758 0,8992 0,5348 0,8569 0,4018 0,7751 0,8999 0,9637 0,8493 0,6705 0,3569 0,4694 0,3314 0,3283 0,0924 0,5027 0,6009 0,9251 0,1063 0, f X Y f(x) la funzione appresa deve predire associazioni corrette su nuovi esempi

22 IMPARARE DA POCHI ESEMPI (CASO REALE)

23 IMPARARE DA POCHI ESEMPI (CASO REALE)

24 METODI DI REGOLARIZZAZIONE: PENALIZZARE LA SPIGOLOSITÀ

25 METODI DI REGOLARIZZAZIONE: PENALIZZARE LA SPIGOLOSITÀ

26 METODI DI REGOLARIZZAZIONE: PENALIZZARE LA SPIGOLOSITÀ

27 AVESSIMO POTUTO VEDERLI TUTTI

28 AVESSIMO POTUTO VEDERLI TUTTI

29 UN ALTRO PRINCIPIO: PENALIZZARE GLI SPRECHI cerchiamo una descrizione capace di distinguere due gruppi di individui utilizzando con parsimonia le tantissime misure a disposizione è un po come se dovessimo determinare quali combinazioni di mattoni di lego ci servono per ottenere alcune costruzioni forzandoci a utilizzare solo poche combinazioni di pochi mattoni

30 LA RICERCA IN BIOLOGIA COMPUTAZIONALE

31 dati: sequenze DNA immunoglobuline SISTEMA IMMUNITARIO domanda: studio della varietà delle Ig with D. NY USA with F.

32 dati: qrt-pcr di geni MECCANISMI DELL EMATOPOIESI NEI TRAPIANTI domanda: differenze tra trapiantati (cordone; midollo) with D. with F.

33 dati: espressione geni di cellule natural killer CELLULE NATURAL KILLER domanda: predizione delle differenze tra tipo di cellula with S. Candiani, E.

34 dati: questionari (categorici; sequenze temporali) SCLEROSI MULTIPLA domanda: predizione dell evoluzione with G.

35 HIGH PERFORMANCE COMPUTING Porting to C++ and CUDA testing on the IMATI parallel computing facility