Maskinlæringsassisteret eQTL-analyse — ML-baseret udtrykskvantitativ træk-locus-kortlægning
Maskinlæringsassisteret eQTL-analyse integrerer superviserede læringsmodeller — lige fra elastic-net regression til dybe neurale netværk — i det klassiske eQTL-framework til at forudsige og kortlægge genetiske varianter, der regulerer genekspression. Ved at træne prædiktive modeller på referencepaneler (f.eks. GTEx) muliggør tilgangen imputation af genekspression i kohorter, der mangler RNA-data, hvilket væsentligt øger den statistiske styrke og muliggør trans-vævsgeneralisering.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Gamazon, E. R., Wheeler, H. E., Shah, K. P., Mozaffari, S. V., Aquino-Michaels, K., Carroll, R. J., ... & Im, H. K. (2015). A gene-based association method for mapping traits using reference transcriptome data. Nature Genetics, 47(9), 1091-1098. link ↗
- Zhou, J., & Troyanskaya, O. G. (2015). Predicting effects of noncoding variants with deep learning-based sequence model. Nature Methods, 12(10), 931-934. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Machine Learning-Assisted Expression Quantitative Trait Loci Analysis. ScholarGate. https://scholargate.app/da/bioinformatics/machine-learning-assisted-eqtl-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- eQTL-analyseBioinformatik↔ compare
- Genomdækkende associationsstudie (GWAS)Bioinformatik↔ compare
- Maskinlæringsassisteret GWASBioinformatik↔ compare
- Multi-omics eQTL AnalyseBioinformatik↔ compare
- Pathway Enrichment AnalysisBioinformatik↔ compare
- RNA-seq Differential ExpressionBioinformatik↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →