مطالعات تداعی ژنوم-سرتاسری با کمک یادگیری ماشین — ML-GWAS

مطالعات تداعی ژنوم-سرتاسری با کمک یادگیری ماشین (ML-GWAS) آزمون تداعی ژنوم-سرتاسری کلاسیک را با مدل‌های یادگیری ماشین ادغام می‌کند تا تشخیص واریانت‌های ژنتیکی مرتبط با صفات پیچیده را بهبود بخشد. در حالی که GWAS سنتی هر پلی‌مورفیسم تک‌نوکلئوتیدی (SNP) را به طور مستقل با استفاده از رگرسیون خطی یا لجستیک آزمایش می‌کند، ML-GWAS تعاملات غیرخطی و اپیستازیس را ثبت می‌کند، مکان‌های نامزد را با دقت بیشتری رتبه‌بندی می‌کند و بار کشف نادرست را در مجموعه داده‌های بزرگ بانک زیستی کاهش می‌دهد. این رویکرد با افزایش حجم نمونه و پیچیدگی ژنومی که از مفروضات آزمون‌های متعارف تک-SNP فراتر می‌رود، به طور فزاینده‌ای برجسته شده است.