Analyse métabolomique assistée par apprentissage automatique

L'analyse métabolomique assistée par apprentissage automatique est un pipeline bioinformatique intégratif qui couple le profilage de métabolites non ciblés ou ciblés — par spectrométrie de masse ou RMN — avec des algorithmes d'apprentissage automatique (ML) supervisés et non supervisés pour découvrir des biomarqueurs, classifier des phénotypes et modéliser des états métaboliques. En gérant l'extrême dimensionnalité et la colinéarité inhérentes aux ensembles de données métabolomiques (centaines à milliers de caractéristiques, dizaines à centaines d'échantillons), les méthodes de ML telles que les forêts aléatoires, les machines à vecteurs de support et les réseaux neuronaux extraient des motifs biologiquement interprétables que les statistiques univariées classiques manquent régulièrement.