Koneoppimista hyödyntävä eQTL-analyysi — ML-pohjainen ilmentymisen kvantitatiivisten piirteiden lokusten kartoitus
Koneoppimista hyödyntävä eQTL-analyysi integroi ohjatun oppimisen malleja — aina elastic-net-regressiosta syviin neuroverkkoihin — klassiseen eQTL-kehikkoon ennustamaan ja kartoittamaan geneettisiä variantteja, jotka säätelevät geenien ilmentymistä. Harjoittamalla ennustemalleja referenssipaneeleilla (esim. GTEx) lähestymistapa mahdollistaa geenien ilmentymisen imputoinnin kohorteissa, joista puuttuu RNA-data, mikä lisää merkittävästi tilastollista voimaa ja mahdollistaa trans-kudosten yleistämisen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- Zhou, J., & Troyanskaya, O. G. (2015). Predicting effects of noncoding variants with deep learning-based sequence model. Nature Methods, 12(10), 931-934. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Machine Learning-Assisted Expression Quantitative Trait Loci Analysis. ScholarGate. https://scholargate.app/fi/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.
- eQTL-analyysiBioinformatiikka↔ compare
- Genominlaajuinen assosiaatiotutkimus (GWAS)Bioinformatiikka↔ compare
- Koneoppimista hyödyntävä genominlaajuinen assosiaatiotutkimusBioinformatiikka↔ compare
- Moni-omics eQTL-analyysiBioinformatiikka↔ compare
- PolkurikastusanalyysiBioinformatiikka↔ compare
- RNA-seq-differentiaaliekspressioanalyysiBioinformatiikka↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →