ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG



Il principale interesse di ricerca del nostro gruppo risiede nell'intersezione tra machine learning e medicina. Lavoriamo allo sviluppo e al progresso di nuove tecniche di machine learning per la medicina di precisione, le scienze della vita e l'analisi dei dati clinici. Il campo di azione comprende molte aree, come la previsione della risposta al trattamento nella medicina personalizzata, il rilevamento di biomarcatori (sparsi), la classificazione dei tumori o la comprensione delle interazioni tra geni o gruppi di geni. Affrontiamo queste sfide in modo orientato ai dati e ai problemi. In clo