Maschinelles Lernen-gestützte Metabolomik-Analyse

Die maschinelles Lernen-gestützte Metabolomik-Analyse ist eine integrative bioinformatische Pipeline, die ungezielt oder gezielt Metabolitenprofilierung – mittels Massenspektrometrie oder NMR – mit überwachten und unüberwachten ML-Algorithmen koppelt, um Biomarker zu entdecken, Phänotypen zu klassifizieren und metabolische Zustände zu modellieren. Durch die Bewältigung der extremen Dimensionalität und Kollinearität, die Metabolomik-Datensätzen inhärent sind (Hunderte bis Tausende von Merkmalen, Zehn- bis Hunderte von Proben), extrahieren ML-Methoden wie Random Forests, Support Vector Machines und Neuronale Netze biologisch interpretierbare Muster, die klassische univariate Statistiken routinemäßig übersehen.