随着人类基因组计划的完成，迫切需要能够分析大量数据的技术。在基因组学、蛋白质组学和可视化中分析高通量数据的计算技术的进展已经得到了广泛的研究，并在理解生物学机制方面发挥了重要作用。机器学习和支持向量机、马尔可夫模型、决策树和神经网络等相关技术已经越来越多地用于解决基因组学和系统生物学中的问题。

本特刊的主要焦点是机器学习技术的新应用和发展，以解决基因组学和系统生物学中的当代问题，特别是那些计算困难的问题和那些涉及随机性和噪声数据的问题。本期特刊将为在机器学习、基因组学、系统生物学及其在医学上的应用方面有专长的研究人员提供一个国际平台。它还将为研究人员提供一个论坛，讨论该领域机器学习方法的最新进展。潜在的主题包括但不限于:

• 下一代测序数据分析的数据挖掘和模式识别方法
• 数据管理和数据可视化方法和工具
• 生物标志物数据集成和信息检索
• 构造变化识别
• 临床应用的计算蛋白质组学
• 蛋白质结构和蛋白质相互作用的预测
• 基因组学或蛋白质组学数据的大规模数据集成

在投稿之前，作者应该仔细阅读期刊的作者指南，它位于//www.newsama.com/journals/cmmm/guidelines/．未来的作者应该通过期刊手稿跟踪系统提交他们的完整手稿的电子副本http://mts.hindawi.com/根据以下时间表: