Maskinlæringsassistert epigenom-vid utbredelsesstudie (ML-EWAS)

Maskinlæringsassistert EWAS integrerer konvensjonell epigenom-vid utbredelsestesting med maskinlæringsmodeller for å identifisere DNA-metyleringssteder assosiert med en fenotype av interesse. Ved å kombinere den statistiske stringensen til EWAS med mønstergjenkjenningskraften til algoritmer som elastisk nett, tilfeldig skog eller gradientforsterkning, håndterer denne tilnærmingen den ekstreme dimensionaliteten til metyleringsarrays (450 000–850 000 CpG-steder) mer effektivt enn univariat testing alene, og kan fange opp ikke-lineære effekter og interaksjonseffekter som standard lineære modeller går glipp av.