Process / pipelineBioinformatics / omics

Ανάλυση eQTL με Υποβοήθηση Μηχανικής Μάθησης — Χαρτογράφηση Ποσοτικών Γονιδιακών Χαρακτηριστικών Έκφρασης με Βάση τη Μηχανική Μάθηση

Η ανάλυση eQTL με υποβοήθηση μηχανικής μάθησης ενσωματώνει μοντέλα επιβλεπόμενης μάθησης — που κυμαίνονται από παλινδρόμηση elastic-net έως βαθιά νευρωνικά δίκτυα — στο κλασικό πλαίσιο eQTL για την πρόβλεψη και χαρτογράφηση γενετικών παραλλαγών που ρυθμίζουν την έκφραση γονιδίων. Εκπαιδεύοντας προβλεπτικά μοντέλα σε πίνακες αναφοράς (π.χ., GTEx), η προσέγγιση επιτρέπει την εμφύτευση της έκφρασης γονιδίων σε κοόρτεις που στερούνται δεδομένων RNA, αυξάνοντας σημαντικά τη στατιστική ισχύ και επιτρέποντας τη γενίκευση μεταξύ ιστών.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. 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
  2. Zhou, J., & Troyanskaya, O. G. (2015). Predicting effects of noncoding variants with deep learning-based sequence model. Nature Methods, 12(10), 931-934. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Machine Learning-Assisted Expression Quantitative Trait Loci Analysis. ScholarGate. https://scholargate.app/el/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.

Compare side by side
ScholarGateMachine learning-assisted expression quantitative trait loci analysis (Machine Learning-Assisted Expression Quantitative Trait Loci Analysis). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bioinformatics/machine-learning-assisted-eqtl-analysis · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026