การศึกษาความสัมพันธ์ทั่วทั้งจีโนมของเอพิเจเนติกส์ที่ช่วยด้วยการเรียนรู้ของเครื่อง (ML-EWAS)

ML-EWAS ผสานการทดสอบความสัมพันธ์ทั่วทั้งจีโนมของเอพิเจเนติกส์แบบดั้งเดิมเข้ากับแบบจำลองการเรียนรู้ของเครื่องเพื่อระบุตำแหน่งเมทิลเลชันของดีเอ็นเอที่เกี่ยวข้องกับลักษณะที่สนใจ ด้วยการรวมความเข้มงวดทางสถิติของ EWAS เข้ากับพลังการจดจำรูปแบบของอัลกอริทึม เช่น elastic net, random forest หรือ gradient boosting แนวทางนี้จึงจัดการกับมิติที่สูงมากของอาร์เรย์เมทิลเลชัน (450,000–850,000 ตำแหน่ง CpG) ได้อย่างมีประสิทธิภาพมากกว่าการทดสอบแบบตัวแปรเดี่ยวเพียงอย่างเดียว และสามารถจับผลกระทบที่ไม่เป็นเชิงเส้นและผลกระทบจากการมีปฏิสัมพันธ์ที่แบบจำลองเชิงเส้นมาตรฐานมองข้ามไป