Process / pipelineBioinformatics / omics
機械学習支援型遺伝子セット濃縮解析
機械学習支援型遺伝子セット濃縮解析（ML-GSEA）は、教師あり学習または教師なし学習の機械学習モデル（ランダムフォレスト、ニューラルネットワーク、ディープラーニングアーキテクチャなど）を組み込むことで、古典的なGSEAフレームワークを拡張したものです。これにより、ハイスループット発現データからの濃縮された遺伝子セットの検出、ランキング、および生物学的解釈が改善されます。このアプローチは、古典的な濃縮統計では見逃されがちな、複雑な非線形遺伝子セット関係に対して特に価値があります。
MethodMindで開く近日公開Apply, compare, get guidance
Tools & resources
Learn & explore
動画近日公開
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Subramanian, A., Tamayo, P., Mootha, V. K., Mukherjee, S., Ebert, B. L., Gillette, M. A., Paulovich, A., Pomeroy, S. L., Golub, T. R., Lander, E. S., & Mesirov, J. P. (2005). Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences, 102(43), 15545–15550. DOI: 10.1073/pnas.0506580102 ↗
- Ma, J., Yu, M. K., Fong, S., Ono, K., Sage, E., Demchak, B., Sharan, R., & Ideker, T. (2018). Using deep learning to model the hierarchical structure and function of a cell. Nature Methods, 15(4), 290–298. DOI: 10.1038/nmeth.4627 ↗
このページの引用方法
ScholarGate. (2026, June 3). Machine Learning-Assisted Gene Set Enrichment Analysis. ScholarGate. https://scholargate.app/ja/bioinformatics/machine-learning-assisted-gene-set-enrichment-analysis
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- ベイズ遺伝子セット濃縮解析バイオインフォマティクス↔ 比較
- 遺伝子セット濃縮解析 (GSEA)バイオインフォマティクス↔ 比較
- ネットワークベースの遺伝子セット濃縮分析バイオインフォマティクス↔ 比較
- 経路濃縮解析バイオインフォマティクス↔ 比較
- RNA-seq 差次的発現バイオインフォマティクス↔ 比較
- Single-cell RNA-seq Analysisバイオインフォマティクス↔ 比較
Similar methods
Machine learning-assisted pathway enrichment analysisGene Set Enrichment AnalysisNetwork-based gene set enrichment analysisBayesian Gene Set Enrichment AnalysisMulti-omics gene set enrichment analysisPathway Enrichment AnalysisBayesian Pathway Enrichment AnalysisTime-series gene set enrichment analysis