Sentieon赢得PrecisionFDA多组学样本数据错误标记校正AI建模挑战赛冠军

多组学联合分析是指对来自不同组学，如基因组学、转录组学、蛋白组学和代谢组学等的数据进行统一处理、比较分析，用以探究生物学问题。由于生物过程具有复杂性和整体性，多种物质共同影响生命系统的表型和性状，例如环境、基因、mRNA、调控因子、蛋白、代谢等，这些组学之间，既相互独立，又互相影响，既有很大的差别，又有相似之处。

多种多样的组学联合分析将不同层面之间信息进行整合，可从不同的组学角度共同探究生物体内潜在的调控网络机制，从而可以更深层次理解各个分子之间的调控及因果关系，更深入的认识生物进程和疾病过程中复杂性状的分子机理和遗传基础。

与传统的“大数据”机器学习问题不同，多组学的主要挑战在于其小样本、高维度的特质，即每个样本都有深层数据。Sentieon在多组学数据的联合分析应用中同样有着出色的表现。Sentieon 不断将机器学习和AI 应用到多组学分析中，以实现softPharma更广阔的视野。自2018年以来，Sentieon 参加并赢得了 PrecisionFDA的三项多组学 AI 建模挑战，展示了其解决这些问题的能力。

PrecisionFDA 2018: 多组学样本数据错误标记校正AI建模挑战赛

在2018年的FDA多组学数据样本错误标记校正的挑战赛中，主办方共提供