ScholarGate
助手
Process / pipelineBioinformatics / omics

机器学习辅助表观基因组关联研究 (ML-EWAS)

机器学习辅助EWAS将传统的表观基因组关联检测与机器学习模型相结合，以识别与目标表型相关的DNA甲基化位点。通过将EWAS的统计严谨性与弹性网络、随机森林或梯度提升等算法的模式识别能力相结合，该方法比单独的单变量检测更能有效地处理甲基化阵列（450,000–850,000个CpG位点）的极端维度，并且能够捕捉标准线性模型所遗漏的非线性效应和交互效应。

在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
下载幻灯片
Learn & explore
视频即将推出

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

方法图谱

相关方法的邻域——选择一个节点以展开探索。

机器学习辅助表观基因组关联研究 (ML-EWAS)
全基因组关联研究 (GWAS)Lasso 回归随机森林

来源

  1. Teschendorff, A. E., & Relton, C. L. (2018). Statistical and integrative system-level analysis of DNA methylation data. Nature Reviews Genetics, 19(3), 129–147. link ↗
  2. Jones, M. J., Goodman, S. J., & Kobor, M. S. (2015). DNA methylation and healthy human aging. Aging Cell, 14(6), 924–932. link ↗

如何引用本页

ScholarGate. (2026, June 3). Machine Learning-Assisted Epigenome-Wide Association Study. ScholarGate. https://scholargate.app/zh/bioinformatics/machine-learning-assisted-epigenome-wide-association-study

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

Similar methods

Epigenome-wide association studyBayesian epigenome-wide association studyMulti-omics epigenome-wide association studyDifferential Epigenome-Wide Association StudyTime-series Epigenome-wide Association StudyNetwork-based epigenome-wide association studyBayesian epigenome-wide association study in educational researchMachine learning-assisted genome-wide association study

Related reference concepts

表观遗传衰老与衰老时钟疾病与癌症中的表观遗传学表观遗传学与疾病中的基因调控环境与跨代表观遗传学环境表观遗传可塑性疾病中的基因表达调控与表观遗传学

发现本页有问题？报告或提出修改建议 →

ScholarGate — Machine learning-assisted epigenome-wide association study (Machine Learning-Assisted Epigenome-Wide Association Study). 于 2026-06-17 检索自 https://scholargate.app/zh/bioinformatics/machine-learning-assisted-epigenome-wide-association-study · 数据集： https://doi.org/10.5281/zenodo.20539026