Machine Learning-ondersteunde Genensetverrijkingsanalyse

Machine learning-ondersteunde genensetverrijkingsanalyse (ML-GSEA) breidt het klassieke GSEA-raamwerk uit door gebruik te maken van gesuperviseerde of ongesuperviseerde ML-modellen — zoals random forests, neurale netwerken of deep learning-architecturen — om de detectie, rangschikking en biologische interpretatie van verrijkte genensets uit high-throughput expressiedata te verbeteren. De benadering is bijzonder waardevol voor complexe, niet-lineaire genensetrelaties die klassieke verrijkingsstatistieken mogelijk missen.