Maskininlärningsstödd metabolomanalys

Maskininlärningsstödd metabolomanalys är en integrativ bioinformatisk pipeline som kopplar icke-målinriktad eller målinriktad metabolitprofilering — via masspektrometri eller NMR — med övervakade och oövervakade ML-algoritmer för att upptäcka biomarkörer, klassificera fenotyper och modellera metaboliska tillstånd. Genom att hantera den extrema dimensionaliteten och kollineariteten som är inneboende i metabolomikdata (hundratals till tusentals särdrag, tiotals till hundratals prover), extraherar ML-metoder som random forests, support vector machines och neurala nätverk biologiskt tolkningsbara mönster som klassiska univariata statistiska metoder rutinmässigt missar.