Analýza obohacovania dráh asistovaná strojovým učením
Analýza obohacovania dráh asistovaná strojovým učením integruje klasické štatistické metódy obohacovania dráh — ako je analýza nadmernej reprezentácie (over-representation analysis, ORA) alebo analýza obohacovania génových súborov (gene set enrichment analysis, GSEA) — s algoritmami strojového učenia s cieľom zlepšiť citlivosť, spracovať vysokodimenzionálne omické dáta a odhaliť nelineárne biologické vzory. Tento prístup presahuje rámec jednoduchého radenia dráh podľa p-hodnoty, pričom využíva modely strojového učenia na váženie príspevkov génov, rozlišovanie signálu od šumu naprieč mnohými vzorkami a prioritizáciu biologicky významných dráh v komplexných dátových súboroch.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Mapa metód
Okolie príbuzných metód — vyberte uzol na preskúmanie.
Zdroje
- Chen, E. Y., Tan, C. M., Kou, Y., Duan, Q., Wang, Z., Meirelles, G. V., Clark, N. R., & Ma'ayan, A. (2013). Enrichr: interactive and collaborative HTML5 gene list enrichment analysis tool. BMC Bioinformatics, 14, 128. link ↗
- Way, G. P., & Greene, C. S. (2018). Extracting a biologically relevant latent space from cancer transcriptomes with variational autoencoders. Pacific Symposium on Biocomputing, 23, 80–91. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Machine Learning-Assisted Pathway Enrichment Analysis. ScholarGate. https://scholargate.app/sk/bioinformatics/machine-learning-assisted-pathway-enrichment-analysis
Ktorá metóda?
Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.
- Analýza obohatenia genových súborov (GSEA)Bioinformatika↔ porovnať
- Náhodný lesStrojové učenie↔ porovnať
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →