เปรียบเทียบวิธี

	การวิเคราะห์ปริมาณลักษณะยีนที่แสดงออกโดยอาศัยการเรียนรู้ของเครื่อง	การวิเคราะห์ eQTL
สาขาวิชา	ชีวสารสนเทศศาสตร์	ชีวสารสนเทศศาสตร์
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2015 (key ML-eQTL methods; foundational eQTL work: Jansen & Nap 2001)	2001 (term coined); widely adopted after 2005
ผู้ริเริ่ม	Gamazon et al. (PrediXcan), Zhou & Troyanskaya (DeepSEA); broader field ca. 2015-onward	Ritsert C. Jansen & Jan-Peter Nap
ประเภท	Statistical-computational genomics pipeline	Association mapping method
แหล่งต้นตำรับ	Gamazon, E. R., Wheeler, H. E., Shah, K. P., Mozaffari, S. V., Aquino-Michaels, K., Carroll, R. J., ... & Im, H. K. (2015). A gene-based association method for mapping traits using reference transcriptome data. Nature Genetics, 47(9), 1091-1098.	Jansen, R. C., & Nap, J.-P. (2001). Genetical genomics: the added value from segregation. Trends in Genetics, 17(7), 388–391.
ชื่อเรียกอื่น	ML-assisted eQTL analysis, ML eQTL mapping, deep learning eQTL, predictive eQTL modeling	eQTL mapping, expression QTL analysis, transcriptomic QTL analysis, eQTL study
ที่เกี่ยวข้อง	6	6
สรุป	Machine learning-assisted eQTL analysis integrates supervised learning models — ranging from elastic-net regression to deep neural networks — into the classical eQTL framework to predict and map genetic variants that regulate gene expression. By training predictive models on reference panels (e.g., GTEx), the approach enables imputation of gene expression in cohorts lacking RNA data, substantially increasing statistical power and enabling trans-tissue generalisation.	eQTL analysis identifies genomic loci (variants, typically SNPs) whose genotype statistically associates with variation in the expression level of one or more genes. By jointly profiling DNA-level variation and RNA-level expression in the same individuals, eQTL studies decode the regulatory grammar of the genome — revealing which variants control how much a gene is transcribed, in which tissues, and under what conditions.