Ce que l'apprentissage automatique peut apporter à la biologie du développement.

La biologie du développement a subi des transformations considérables au cours des dix dernières années. Elle est passée de l'étude de la génétique du développement, principalement axée sur l'échelle moléculaire, à une science intégrative incorporant la dynamique à plusieurs échelles (molécules uniques, cellules, tissus). Le développement de nouvelles techniques de microscopie a permis d'étudier des embryons entiers et des processus moléculaires uniques dans le contexte de tissus entiers. En parallèle, la séquençage à haut débit a ouvert de nouvelles voies pour l'étude de l'expression des gènes dans les embryons en développement à l'échelle du génome entier. Ces techniques génèrent des téraoctets de données et de description dans des espaces de hautes dimensions. Pour cette raison, il est devenu difficile d'explorer manuellement cette richesse de données. Parallèlement, l'informatique est révolutionnée par l'apprentissage automatique. Ce sous-domaine de l'intelligence artificielle  met en œuvre des algorithmes d'inférence (méthodes d'inférence statistique rendues possibles par une puissance informatique importante et de grands ensembles de données) avec une intervention humaine minimale. L'apprentissage automatique peut être catégorisé en apprentissage supervisé, non supervisé et par renforcement. Il vise communément à résoudre les tâches suivantes : classification, régression, classement, clustering et réduction de la dimensionnalité. L'apprentissage profond est un exemple populaire d'apprentissage automatique. Il a atteint sa pleine performance en tirant parti de grands ensembles de données annotées et de l'utilisation de nouveaux matériels, tels que la carte graphique (GPU). Depuis lors, nous avons assisté à une longue série de succès très impressionnants de l'apprentissage automatique, dans une grande variété de domaines. L'un de ces jalons a été la victoire de l'ordinateur AlphaGo contre le champion du monde du jeu stratégique Go.  https://journals.biologists.com/dev/article/148/1/dev188474/237401/What-machine-learning-can-do-for-developmental