ScholarGate
Ассистент
Process / pipelineBioinformatics / omics

Анализ eQTL с использованием машинного обучения — картирование локусов количественных признаков экспрессии на основе машинного обучения

Анализ eQTL с использованием машинного обучения интегрирует модели обучения с учителем — от регрессии с эластичной сетью до глубоких нейронных сетей — в классическую структуру eQTL для прогнозирования и картирования генетических вариантов, регулирующих экспрессию генов. Путем обучения прогностических моделей на референсных панелях (например, GTEx) этот подход позволяет импутировать экспрессию генов в когортах, не имеющих данных РНК, что существенно увеличивает статистическую мощность и обеспечивает транс-тканевую генерализацию.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. 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. link
  2. Zhou, J., & Troyanskaya, O. G. (2015). Predicting effects of noncoding variants with deep learning-based sequence model. Nature Methods, 12(10), 931-934. link

Как цитировать эту страницу

ScholarGate. (2026, June 3). Machine Learning-Assisted Expression Quantitative Trait Loci Analysis. ScholarGate. https://scholargate.app/ru/bioinformatics/machine-learning-assisted-eqtl-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateMachine learning-assisted expression quantitative trait loci analysis (Machine Learning-Assisted Expression Quantitative Trait Loci Analysis). Получено 2026-06-15 из https://scholargate.app/ru/bioinformatics/machine-learning-assisted-eqtl-analysis · Набор данных: https://doi.org/10.5281/zenodo.20539026