Cómo un modelo de aprendizaje automático elige el siguiente lote de genes en un cribado CRISPR
Los biólogos que criban miles de genes se topan con una pregunta cara: ¿qué genes sin testear deben entrar en el siguiente lote? Un nuevo enfoque de aprendizaje automático combina un modelo de lenguaje generalista con una política especializada que aprende de los aciertos genéticos previos, las descripciones de los cribados y la retroalimentación del laboratorio ronda a ronda. La meta es convertir resultados experimentales ruidosos en mejores predicciones sobre qué probar después, anclando las decisiones en la biología conocida.
