ScholarGate
Asistent
Process / pipelineBioinformatics / omics

GWAS s podporou strojového učení — ML-GWAS

GWAS s podporou strojového učení (ML-GWAS) integruje klasické celogenomové asociační testování s modely strojového učení, aby zlepšilo detekci genetických variant spojených s komplexními znaky. Zatímco tradiční GWAS testuje každý jednonukleotidový polymorfismus (SNP) nezávisle pomocí lineární nebo logistické regrese, ML-GWAS zachycuje nelineární interakce a epistázi, přesněji řadí kandidátní lokusy a snižuje zátěž falešných objevů ve velkých biobankovních datových souborech. Tento přístup získává na významu, protože velikost vzorků a genomová komplexnost překonávají předpoklady konvenčních testů jednotlivých SNP.

Otevřít v MethodMindJiž brzyVideoJiž brzyStáhnout prezentaci

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Mapa metod

Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.

Zdroje

  1. Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. JAMA, 319(13), 1317-1318. link
  2. Szymanski, M., Holland-Letz, T., & Kneib, T. (2022). Machine learning approaches to GWAS: methods, pitfalls, and applications. Briefings in Bioinformatics, 23(3), bbac068. link

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Machine Learning-Assisted Genome-Wide Association Study. ScholarGate. https://scholargate.app/cs/bioinformatics/machine-learning-assisted-genome-wide-association-study

Která metoda?

Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.

Porovnat vedle sebe

Odkazuje sem

ScholarGateMachine learning-assisted genome-wide association study (Machine Learning-Assisted Genome-Wide Association Study). Získáno 2026-06-15 z https://scholargate.app/cs/bioinformatics/machine-learning-assisted-genome-wide-association-study · Datová sada: https://doi.org/10.5281/zenodo.20539026