Анализ обогащения путей с помощью машинного обучения

Анализ обогащения путей с помощью машинного обучения интегрирует классические статистические методы обогащения путей — такие как анализ избыточной представленности или анализ обогащения генных наборов — с алгоритмами машинного обучения для повышения чувствительности, обработки высокоразмерных омиксных данных и выявления нелинейных биологических закономерностей. Подход выходит за рамки ранжирования путей только по p-значению, используя модели машинного обучения для взвешивания вклада генов, различения сигнала и шума во многих образцах и приоритизации биологически значимых путей в сложных наборах данных.