ScholarGate
Asistent
Process / pipelineBioinformatics / omics

Epigenomická asociačná štúdia (EWAS) asistovaná ML (ML-EWAS)

ML-EWAS integruje konvenčné epigenomické asociačné testovanie s modelmi strojového učenia na identifikáciu miest DNA metylácie asociovaných s analyzovaným fenotypom. Kombináciou štatistickej rigoróznosti EWAS s výkonom rozpoznávania vzorov algoritmov ako elastic net, random forest alebo gradient boosting, tento prístup efektívnejšie zvláda extrémne dimenzie metylačných polí (450 000 – 850 000 CpG miest) ako samotné univariačné testovanie a dokáže zachytiť nelineárne efekty a interakcie, ktoré štandardné lineárne modely prehliadajú.

Otvoriť v MethodMindČoskoroApply, compare, get guidance
Tools & resources
Stiahnuť snímky
Learn & explore
VideoČoskoro

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Mapa metód

Okolie príbuzných metód — vyberte uzol na preskúmanie.

Epigenomická asociačná štúdia (EWAS) asistovaná ML (ML-EWAS)
Genómová asociačná štúdi…Regresia LassoNáhodný les

Zdroje

  1. Teschendorff, A. E., & Relton, C. L. (2018). Statistical and integrative system-level analysis of DNA methylation data. Nature Reviews Genetics, 19(3), 129–147. link
  2. Jones, M. J., Goodman, S. J., & Kobor, M. S. (2015). DNA methylation and healthy human aging. Aging Cell, 14(6), 924–932. link

Ako citovať túto stránku

ScholarGate. (2026, June 3). Machine Learning-Assisted Epigenome-Wide Association Study. ScholarGate. https://scholargate.app/sk/bioinformatics/machine-learning-assisted-epigenome-wide-association-study

Ktorá metóda?

Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.

Porovnať vedľa seba
ScholarGateMachine learning-assisted epigenome-wide association study (Machine Learning-Assisted Epigenome-Wide Association Study). Získané 2026-06-17 z https://scholargate.app/sk/bioinformatics/machine-learning-assisted-epigenome-wide-association-study · Dátová sada: https://doi.org/10.5281/zenodo.20539026