在生物学和药物中，产生和释放各种数据集，例如由测序数据，微阵列，基因型和表型产生的那些。但直接的传统统计分析只能探讨生物机制的非常有限的视角。可以引入先进的机器学习和网络方法来调查数据内的更复杂和隐藏的结构，并在数据中创建大值。例如，深度学习在商业和计算机科学方面表现出很大的承诺，但在生物学和医学研究中，这种方法尚未应用。

这一特别问题侧重于机器学习和网络方法及其在生物学和医学中的应用中的最新发展。我们邀请作者在计算机科学和生物学/医学中贡献跨学科论文。欢迎原始研究和审查文章。

潜在主题包括但不限于以下内容：

• 复杂生物过程的预测模型，如替代剪接和后期改性
• 生物学和医学中的大数据
• 用于机器学习和网络方法的易于使用软件
• 可靠的生物标志物发现
• 基于网络的药物发现
• 个性化医学：为合适的患者选择合适的药物
• 对生物学家广泛使用的机器学习和网络方法综述