Maskinlærings-assisteret metabolomik-analyse

Maskinlærings-assisteret metabolomik-analyse er en integrativ bioinformatisk pipeline, der kobler uafgrænset eller afgrænset metabolitprofilering — via massespektrometri eller NMR — med superviserede og usuperviserede ML-algoritmer til at opdage biomarkører, klassificere fænotyper og modellere metaboliske tilstande. Ved at håndtere den ekstreme dimensionalitet og kollinearitet, der er iboende i metabolomik-datasæt (hundredvis til tusindvis af features, ti- til hundreder af prøver), udtrækker ML-metoder som random forests, support vector machines og neurale netværk biologisk fortolkelige mønstre, som klassisk univariat statistik rutinemæssigt overser.