Machine learning-assisted expression quantitative trait loci analysis
Machine learning-assisted eQTL analysis integrates supervised learning models — ranging from elastic-net regression to deep neural networks — into the classical eQTL framework to predict and map genetic variants that regulate gene expression. By training predictive models on reference panels (e.g., GTEx), the approach enables imputation of gene expression in cohorts lacking RNA data, substantially increasing statistical power and enabling trans-tissue generalisation.
Kilderegister
Siteringer kopiert ordrett fra metodens kilderegister. Ingen påstandsnivåverifisering er underforstått fra dem.
- Gamazon, E. R., Wheeler, H. E., Shah, K. P., Mozaffari, S. V., Aquino-Michaels, K., Carroll, R. J., ... & Im, H. K. (2015). A gene-based association method for mapping traits using reference transcriptome data. Nature Genetics, 47(9), 1091-1098. · URL
- Zhou, J., & Troyanskaya, O. G. (2015). Predicting effects of noncoding variants with deep learning-based sequence model. Nature Methods, 12(10), 931-934. · URL
Kuraterte påstander
Påstander lagret i bevishovedboken, hver med sin egen vurdering.
Denne visningen finner ikke opp en påstandsvurdering når hovedboken ikke har noen.
Relaterte metoder
Generert fra metodegrafen og vist som maskinforslåtte relasjoner – ingen bevispåstand er underforstått.