#64 Enformer: predicting gene expression from sequence with Žiga Avsec

the bioinformatics chat

Вміст надано Roman Cheplyaka. Весь вміст подкастів, включаючи епізоди, графіку та описи подкастів, завантажується та надається безпосередньо компанією Roman Cheplyaka або його партнером по платформі подкастів. Якщо ви вважаєте, що хтось використовує ваш захищений авторським правом твір без вашого дозволу, ви можете виконати процедуру, описану тут https://uk.player.fm/legal.

3y ago 59:41

MP3•Головна епізоду

In this episode, Jacob Schreiber interviews Žiga Avsec about a recently released model, Enformer. Their discussion begins with life differences between academia and industry, specifically about how research is conducted in the two settings. Then, they discuss the Enformer model, how it builds on previous work, and the potential that models like it have for genomics research in the future. Finally, they have a high-level discussion on the state of modern deep learning libraries and which ones they use in their day-to-day developing.

Links:

Effective gene expression prediction from sequence by integrating long-range interactions (Žiga Avsec, Vikram Agarwal, Daniel Visentin, Joseph R. Ledsam, Agnieszka Grabska-Barwinska, Kyle R. Taylor, Yannis Assael, John Jumper, Pushmeet Kohli & David R. Kelley )
DeepMind Blog Post (Žiga Avsec)

If you enjoyed this episode, please consider supporting the podcast on Patreon.

70 епізодів

#Bioinformatics #Genetics #Algorithms #Ngs #Roman Cheplyaka #Biology #Science #Natural Sciences #Sequence #Genomics