Maschinelles Lernen-gestützte Pathway-Analyse

Die maschinelles Lernen-gestützte Pathway-Analyse integriert klassische statistische Pathway-Analyse-Methoden – wie die Over-Representation Analysis oder die Gene Set Enrichment Analysis – mit Algorithmen des maschinellen Lernens, um die Sensitivität zu verbessern, hochdimensionale Omics-Daten zu verarbeiten und nicht-lineare biologische Muster aufzudecken. Der Ansatz geht über die reine Rangfolge von Pathways nach p-Wert hinaus, indem er ML-Modelle verwendet, um Genbeiträge zu gewichten, Signal von Rauschen über viele Proben hinweg zu unterscheiden und biologisch bedeutsame Pathways in komplexen Datensätzen zu priorisieren.