ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG



La nostra ricerca si concentra sullo sviluppo di metodi di apprendimento automatico per contesti reali che aprono nuove frontiere nella ricerca biomedica. Acquisiamo nuove conoscenze da problemi complessi nel campo della biomedicina e li risolviamo sviluppando approcci di apprendimento automatico ampiamente applicabili che introducono nuovi contesti e soluzioni innovative nella ricerca sull'apprendimento automatico. Progettiamo metodi di apprendimento automatico in grado di generalizzare scenari nuovi che non sono stati osservati durante l'addestramento del modello e li applichiamo per ottenere nuove scoperte da set di dati biomedici complessi, eterogenei e ad alta dimensionalità.