在生物学和医学中,不同的数据集,例如那些由测序数据,微阵列,基因型和表型,生成和释放。但是简单的传统统计分析只能探索生物机制非常有限的观点。可以引入先进的机器学习和网络方法研究更复杂的和隐藏的结构内的数据和创造大价值的数据。例如,深度学习已经显示出巨大的希望在商业和计算机科学,但在生物学和医学研究,这种方法尚未应用。

这个特殊的问题关注最近的事态发展在机器学习和网络方法和他们的应用程序在生物学和医学。我们邀请作者贡献跨学科论文在计算机科学和生物学和医学。原始研究和评论文章都欢迎。

潜在的主题包括但不限于以下:

• 预测模型的复杂的生物过程,如可变剪接和翻译修饰
• 大数据在生物学和医学
• 易于使用的软件对机器学习和网络的方法
• 可靠的生物标志物的发现
• 网络为基础的药物发现
• 个性化医疗:选择合适的药物的患者
• 对广泛使用的机器学习和网络生物学家的方法