Maskinlæringsassistert berikelsesanalyse av signalveier

Maskinlæringsassistert berikelsesanalyse av signalveier integrerer klassiske statistiske metoder for signalveiberikelse – som overrepresentasjonsanalyse eller genberikelsesanalyse – med maskinlæringsalgoritmer for å forbedre sensitiviteten, håndtere høydimensjonale omics-data og avdekke ikke-lineære biologiske mønstre. Tilnærmingen går utover rangering av signalveier basert på p-verdi alene, ved å bruke ML-modeller til å vekte genbidrag, skille signal fra støy på tvers av mange prøver, og prioritere biologisk meningsfulle signalveier i komplekse datasett.