Метаболомний аналіз за допомогою машинного навчання
Метаболомний аналіз за допомогою машинного навчання — це інтегративний біоінформатичний конвеєр, який поєднує нецільове або цільове профілювання метаболітів (за допомогою мас-спектрометрії або ЯМР) з алгоритмами машинного навчання (МН) з учителем та без учителя для виявлення біомаркерів, класифікації фенотипів та моделювання метаболічних станів. Обробляючи надзвичайну розмірність та колінеарність, властиві метаболомним наборам даних (сотні до тисяч ознак, десятки до сотень зразків), методи МН, такі як випадкові ліси, опорні векторні машини та нейронні мережі, витягують біологічно інтерпретовані закономірності, які класична одноваріантна статистика зазвичай пропускає.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Liebal, U. W., Phan, A. N. T., Sudhakar, M., Raman, K., & Blank, L. M. (2020). Machine learning applications for mass spectrometry-based metabolomics. Metabolites, 10(6), 243. DOI: 10.3390/metabo10060243 ↗
- Bylesjö, M., Rantalainen, M., Cloarec, O., Nicholson, J. K., Holmes, E., & Trygg, J. (2006). OPLS discriminant analysis: combining the strengths of PLS-DA and SIMCA classification. Journal of Chemometrics, 20(8-10), 341-351. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Machine Learning-Assisted Metabolomics Analysis. ScholarGate. https://scholargate.app/uk/bioinformatics/machine-learning-assisted-metabolomics-analysis
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Випадковий лісМашинне навчання↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →