Process / pipelineBioinformatics / omics
机器学习辅助基因集富集分析
机器学习辅助基因集富集分析（ML-GSEA）通过整合监督或无监督机器学习模型（如随机森林、神经网络或深度学习架构）来扩展经典的GSEA框架，以提高从高通量表达数据中检测、排序和生物学解释富集基因集的能力。该方法对于经典富集统计可能遗漏的复杂非线性基因集关系特别有价值。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Subramanian, A., Tamayo, P., Mootha, V. K., Mukherjee, S., Ebert, B. L., Gillette, M. A., Paulovich, A., Pomeroy, S. L., Golub, T. R., Lander, E. S., & Mesirov, J. P. (2005). Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences, 102(43), 15545–15550. DOI: 10.1073/pnas.0506580102 ↗
- Ma, J., Yu, M. K., Fong, S., Ono, K., Sage, E., Demchak, B., Sharan, R., & Ideker, T. (2018). Using deep learning to model the hierarchical structure and function of a cell. Nature Methods, 15(4), 290–298. DOI: 10.1038/nmeth.4627 ↗
如何引用本页
ScholarGate. (2026, June 3). Machine Learning-Assisted Gene Set Enrichment Analysis. ScholarGate. https://scholargate.app/zh/bioinformatics/machine-learning-assisted-gene-set-enrichment-analysis
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。
- 贝叶斯基因集富集分析生物信息学↔ 比较
- 基因集富集分析 (GSEA)生物信息学↔ 比较
- 基于网络的基因集富集分析生物信息学↔ 比较
- 通路富集分析生物信息学↔ 比较
- RNA-seq差异表达生物信息学↔ 比较
- Single-cell RNA-seq analysis生物信息学↔ 比较
Similar methods
Machine learning-assisted pathway enrichment analysisGene Set Enrichment AnalysisNetwork-based gene set enrichment analysisBayesian Gene Set Enrichment AnalysisMulti-omics gene set enrichment analysisPathway Enrichment AnalysisBayesian Pathway Enrichment AnalysisTime-series gene set enrichment analysis