用“machine learning genomics”在 中检索（限定一下Bioinformatics领域），查看最新文章的标题和摘要，看看机器学习都能做些什么实际的项目。

1.（RNA剪切体位点预测）

使用机器学习来注释人类剪切体的分支点

需要有 的知识，首先得搞懂 branchpoint、lariat formation的概念

2.（贝叶斯）

生物信息中复杂网络系统中先验知识的价值

预测病人在指定药物或治疗方案下的反应

3.（随机森林在药物学上的预测）

通过基因表达数据系统评估泛癌细胞系的多基因预测器对药物的敏感性

指定的基因突变通常用于指导肿瘤病人的用药，大规模的药物基因组数据被用来发现这些对药物敏感的单基因标记，最近机器学习的回归已被用于基于分子谱的预测。基因表达数据对研究泛癌十分重要。但是还没人研究机器学习在单基因和多基因上的差异。本文，用RF随机森林做测试。

4.（可复制病毒基因组分类）

测序产生了大量的病毒基因组，基因组变异、分类特征和致病机制的研究非常重要，输入新菌株的测序结果，就能将其归于不同的病毒家族。

本软件应用了限制片段长度多态性(RFLP)，

5.（蛋白质折叠）

通过新型的结构特征空间完成人类蛋白组的折叠注释

6.（RNA结合蛋白）

分析RNA结合蛋白的结合行为对理解它们在基因表达调控中的功能是非常重要的，

7.（综合相似病人网络）

病人的分类非常重要

8.

转录因子结合  开放染色质数据  准确的基因表达预测

9.（HMM）

10.（评估病原菌的来源）

---

11.（系统分类）

12.

13.（蛋白质热稳定性）

14.（功能基因组、深度学习）

15.（人血液里的生物钟）

16.（公开的生物信息系统）

17.（深度学习分析SNP）

18.（miRNAs SVM）

miRNA主要是维持细胞内稳态，在癌症组织中，其表达明显变化，

19.（转录因子DNA结合蛋白）

20.（多维网络模块）

---