ML-gestützte Epigenomweite Assoziationsstudie (ML-EWAS)

Die maschinelle Lern-gestützte EWAS integriert konventionelle epigenomweite Assoziationstests mit Modellen des maschinellen Lernens, um DNA-Methylierungsstellen zu identifizieren, die mit einem Phänotyp von Interesse assoziiert sind. Durch die Kombination der statistischen Strenge der EWAS mit der Mustererkennungsleistung von Algorithmen wie Elastic Net, Random Forest oder Gradient Boosting bewältigt dieser Ansatz die extreme Dimensionalität von Methylierungs-Arrays (450.000–850.000 CpG-Stellen) effektiver als univariate Tests allein und kann nicht-lineare Effekte und Interaktionen erfassen, die Standard-Linearmodelle übersehen.