Apprentissage profond robuste pour la génomique des populations – RoDAPoG

Les progrès technologiques de séquençage ont démultiplié la quantité de données génomiques. En extraire efficacement l'information demeure un problème ouvert pour lequel les méthodes d'apprentissage profond sont prometteuses. Cela suppose que concepteurs et utilisateurs sachent quand, pourquoi et comment elles devraient être appliquées. De plus une grande partie des données humaines sont d’usage privé. Dans un travail récent, nous utilisons pour la première fois des réseaux génératifs pour créer des génomes artificiels et pallier à l'inaccessibilité des données privées. Pour exploiter pleinement leur potentiel, nous mettrons au point des méthodes robustes en terme de confidentialité des données et capables de passer à l’échelle du génome complet. Deuxièmement, nous explorerons l'interprétabilité et la robustesse des réseaux de neurones apparus récemment en génétique des populations, une étape clé vers le renforcement de leur fiabilité qui profitera à d'autres domaines biologiques.