ניתוח העשרת מסלולים בסיוע למידת מכונה
ניתוח העשרת מסלולים בסיוע למידת מכונה משלב שיטות סטטיסטיות קלאסיות להעשרת מסלולים – כגון ניתוח ייצוג-יתר (over-representation analysis) או ניתוח העשרת קבוצות גנים (gene set enrichment analysis) – עם אלגוריתמים של למידת מכונה כדי לשפר רגישות, לטפל בנתוני אומִיקְס רב-ממדיים ולחשוף תבניות ביולוגיות לא-ליניאריות. גישה זו חורגת מדירוג מסלולים לפי ערך p בלבד, ומשתמשת במודלי למידת מכונה כדי לשקל תרומות גנים, להבחין בין אות לרעש על פני דגימות רבות, ולתעדף מסלולים בעלי משמעות ביולוגית במערכי נתונים מורכבים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- Chen, E. Y., Tan, C. M., Kou, Y., Duan, Q., Wang, Z., Meirelles, G. V., Clark, N. R., & Ma'ayan, A. (2013). Enrichr: interactive and collaborative HTML5 gene list enrichment analysis tool. BMC Bioinformatics, 14, 128. link ↗
- Way, G. P., & Greene, C. S. (2018). Extracting a biologically relevant latent space from cancer transcriptomes with variational autoencoders. Pacific Symposium on Biocomputing, 23, 80–91. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Machine Learning-Assisted Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/he/bioinformatics/machine-learning-assisted-pathway-enrichment-analysis
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- ניתוח העשרת קבוצת גנים (GSEA)ביואינפורמטיקה↔ השוואה
- יער אקראילמידת מכונה↔ השוואה