在生物学和医学中，各种数据集，如由测序数据、微阵列、基因型和表型产生和释放。但简单的传统统计分析只能从非常有限的角度探索生物机制。可以引入先进的机器学习和网络方法来研究数据中更复杂和隐藏的结构，并从数据中创造出大的价值。例如，深度学习在商业和计算机科学领域显示出了巨大的前景，但在生物学和医学研究中，这种方法尚未得到应用。

本期特别关注机器学习和网络方法及其在生物学和医学中的应用的最新发展。我们邀请作者在计算机科学和生物/医学领域投稿跨学科论文。欢迎原创研究和评论文章。

潜在的主题包括但不限于以下内容:

• 复杂生物过程的预测模型，如可变剪接和翻译后修饰
• 生物学和医学中的大数据
• 易于使用的软件机器学习和网络方法
• 可靠的生物标志物的发现
• 基于网络的药物发现
• 个性化医疗:针对正确的病人选择正确的药物
• 对生物学家广泛使用的机器学习和网络方法的回顾