Analiza obogaćenja putova uz pomoć strojnog učenja
Analiza obogaćenja putova uz pomoć strojnog učenja integrira klasične statističke metode obogaćenja putova — kao što su analiza prekomjerne zastupljenosti (over-representation analysis) ili analiza obogaćenja genskih skupova (gene set enrichment analysis) — s algoritmima strojnog učenja kako bi se poboljšala osjetljivost, obradili visokodimenzionalni omics podaci i otkrili nelinearni biološki obrasci. Pristup nadilazi rangiranje putova samo prema p-vrijednosti, koristeći ML modele za ponderiranje doprinosa gena, razlikovanje signala od šuma u brojnim uzorcima i prioritetizaciju biološki značajnih putova u složenim skupovima podataka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Machine Learning-Assisted Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/hr/bioinformatics/machine-learning-assisted-pathway-enrichment-analysis
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Analiza obogaćenja genskih skupova (GSEA)Bioinformatika↔ usporedi
- Slučajna šumaStrojno učenje↔ usporedi
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →