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.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
- 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.
- eQTL АнализБиоинформатика↔ compare
- Полногеномный поиск ассоциаций (GWAS)Биоинформатика↔ compare
- Машинное обучение с поддержкой GWASБиоинформатика↔ compare
- Мультиомиксный анализ eQTLБиоинформатика↔ compare
- Анализ обогащения сигнальных путейБиоинформатика↔ compare
- Анализ дифференциальной экспрессии РНК-сек (DE)Биоинформатика↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →