Analyse de l'expression différentielle par RNA-seq assistée par apprentissage automatique

L'analyse de l'expression différentielle (DE) par RNA-seq assistée par apprentissage automatique (ML) complète les tests statistiques classiques de DE (DESeq2, edgeR, limma-voom) avec des modèles ML — incluant les réseaux neuronaux, les forêts aléatoires et les auto-encodeurs variationnels — afin de mieux gérer la haute dimensionnalité, la surdispersion des zéros et les effets de lot inhérents aux données de comptage RNA-seq. L'approche améliore la sélection des caractéristiques, la réduction du bruit et la puissance de détection, en particulier dans les plans expérimentaux de grande taille ou complexes.