Machine learning na Biofabricação
A mineração de dados (data mining) é um processo de descoberta de padrões geralmente aplicados em grandes conjuntos de dados. Assim, ele usa um conjunto de estatísticas, algoritmos de aprendizado de máquinas (machine learning) e modelos matemáticas para identificar padrões e tendências, que não podem ser facilmente descobertos com o uso de métodos "tradicionais".
​
Tal abordagem é de extrema importância na biologia molecular pós genômica, área geradora de uma grande quantidade de dados "ômicos". Os dados "ômicos" - dados oriundos do genoma, transcriptoma, miRnoma, proteoma, metaboloma, toponoma, entre outros (omics data), apresentam interações complexas de difícil análise, sendo oportuno a utilização de inteligência artificial.
​
Embora as técnicas de mineração de dados tenham sido utilizadas por vários campos estudados em genética e biologia molecular, sua aplicação para a descoberta de biomarcadores e redes funcionais para fins de biofabricação de tecidos continua pouco explorada.
O fenótipo celular e tecidual é imprescindível para o entendimento da regeneração tecidual.
​
Compreender as redes de interação molecular de tecidos e linhagens celulares são cruciais para o desenvolvimento de terapias, como a biofabricação de tecidos e órgãos.
​
Redes moleculares específicas podem prever respostas específicas de células, frente a um estímulo, e revelam os papéis funcionais de genes e suas interações. Assim sendo, abordagens integradas com métodos de inteligência artificial podem fornecer novos insights e informações sobre as redes de sinalização da diferenciação celular durante o desenvolvimento ou regeneração de um tecido.