Maskinlæringsassistert metabolomikk-analyse

Maskinlæringsassistert metabolomikk-analyse er en integrativ bioinformatikk-pipeline som kobler urettet eller rettet metabolittprofilering — via massespektrometri eller NMR — med veiledede og ikke-veiledede ML-algoritmer for å oppdage biomarkører, klassifisere fenotyper og modellere metabolske tilstander. Ved å håndtere den ekstreme dimensionaliteten og kollineariteten som er iboende i metabolomikkdatasett (hundrevis til tusenvis av trekk, titalls til hundrevis av prøver), trekker ML-metoder som tilfeldige skoger, støttevektormaskiner og nevrale nettverk ut biologisk tolkbare mønstre som klassisk univariat statistikk rutinemessig savner.