Process / pipelineBioinformatics / omics
머신러닝 보조 대사체학 분석
머신러닝 보조 대사체학 분석은 비표적 또는 표적 대사체 프로파일링(질량 분석법 또는 NMR 이용)을 지도 및 비지도 머신러닝 알고리즘과 결합하여 바이오마커를 발견하고, 표현형을 분류하며, 대사 상태를 모델링하는 통합 생물정보학 파이프라인입니다. 수백에서 수천 개의 특징과 수십에서 수백 개의 샘플로 이루어진 대사체학 데이터셋에 내재된 극단적인 차원성과 다중공선성을 처리함으로써, 랜덤 포레스트, 서포트 벡터 머신, 신경망과 같은 머신러닝 방법은 고전적인 단변량 통계로는 일상적으로 놓치는 생물학적으로 해석 가능한 패턴을 추출합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Liebal, U. W., Phan, A. N. T., Sudhakar, M., Raman, K., & Blank, L. M. (2020). Machine learning applications for mass spectrometry-based metabolomics. Metabolites, 10(6), 243. DOI: 10.3390/metabo10060243 ↗
- Bylesjö, M., Rantalainen, M., Cloarec, O., Nicholson, J. K., Holmes, E., & Trygg, J. (2006). OPLS discriminant analysis: combining the strengths of PLS-DA and SIMCA classification. Journal of Chemometrics, 20(8-10), 341-351. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Machine Learning-Assisted Metabolomics Analysis. ScholarGate. https://scholargate.app/ko/bioinformatics/machine-learning-assisted-metabolomics-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →