Maskinlæringsassisteret Epigenom-dækkende Associationsundersøgelse (ML-EWAS)

Maskinlæringsassisteret EWAS integrerer konventionel epigenom-dækkende associationsanalyse med maskinlæringsmodeller for at identificere DNA-methyleringssteder associeret med et interessefænomen. Ved at kombinere den statistiske stringens fra EWAS med mønstergenkendelseskraften fra algoritmer som elastic net, random forest eller gradient boosting, håndterer denne tilgang den ekstreme dimensionalitet af methyleringsarrays (450.000–850.000 CpG-steder) mere effektivt end univariat testning alene, og kan indfange ikke-lineære effekter og interaktionseffekter, som standard lineære modeller overser.