Análise de Expressão Diferencial de RNA-seq Assistida por Aprendizado de Máquina

A análise de expressão diferencial (DE) de RNA-seq assistida por aprendizado de máquina (ML) aprimora os testes estatísticos clássicos de DE (DESeq2, edgeR, limma-voom) com modelos de ML — incluindo redes neurais, florestas aleatórias e autoencoders variacionais — para lidar melhor com a alta dimensionalidade, a inflação de zeros e os efeitos de lote inerentes aos dados de contagem de RNA-seq. A abordagem melhora a seleção de características, a redução de ruído e o poder de detecção, especialmente em desenhos experimentais grandes ou complexos.