تحليل إثراء المجموعات الجينية بمساعدة التعلم الآلي
يُوسِّع تحليل إثراء المجموعات الجينية بمساعدة التعلم الآلي (ML-GSEA) إطار عمل GSEA الكلاسيكي من خلال دمج نماذج التعلم الآلي الخاضعة للإشراف أو غير الخاضعة للإشراف — مثل الغابات العشوائية، أو الشبكات العصبية، أو معماريات التعلم العميق — لتحسين اكتشاف وتصنيف وتفسير بيولوجي للمجموعات الجينية المُثرَاة من بيانات التعبير عالية الإنتاجية. يُعد هذا النهج ذا قيمة خاصة للعلاقات المعقدة وغير الخطية للمجموعات الجينية التي قد تفوتها الإحصائيات الكلاسيكية للإثراء.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Subramanian, A., Tamayo, P., Mootha, V. K., Mukherjee, S., Ebert, B. L., Gillette, M. A., Paulovich, A., Pomeroy, S. L., Golub, T. R., Lander, E. S., & Mesirov, J. P. (2005). Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences, 102(43), 15545–15550. DOI: 10.1073/pnas.0506580102 ↗
- Ma, J., Yu, M. K., Fong, S., Ono, K., Sage, E., Demchak, B., Sharan, R., & Ideker, T. (2018). Using deep learning to model the hierarchical structure and function of a cell. Nature Methods, 15(4), 290–298. DOI: 10.1038/nmeth.4627 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Machine Learning-Assisted Gene Set Enrichment Analysis. ScholarGate. https://scholargate.app/ar/bioinformatics/machine-learning-assisted-gene-set-enrichment-analysis
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- تحليل إثراء مجموعات الجينات البايزيالمعلوماتية الحيوية↔ قارن
- تحليل إثراء مجموعات الجينات (GSEA)المعلوماتية الحيوية↔ قارن
- تحليل إثراء مجموعات الجينات المستند إلى الشبكةالمعلوماتية الحيوية↔ قارن
- تحليل إثراء المساراتالمعلوماتية الحيوية↔ قارن
- تحليل التعبير التفاضلي لتسلسل الحمض النووي الريبوزي (RNA-seq DE)المعلوماتية الحيوية↔ قارن
- تحليل تسلسل الحمض النووي الريبوزي للخلايا المفردةالمعلوماتية الحيوية↔ قارن