PerSEveML:一种基于Web的工具,用于识别使用集成机器学习方法识别罕见事件的持久生物标志物结构
Sreejata Dutta1, Dinesh Pal Mudaranthakam1,2, Yanming Li1,2
1Department of Biostatistics & Data Science, University of Kansas Medical Center, Kansas City, Kansas, USA.
bioRxiv : the preprint server for biology
|January 10, 2024
概括
PerSEveML是一个新的网络工具,它使用机器学习 (ML) 来预测大型omics数据集中的罕见事件. 它帮助研究人员通过选择重要特征和产生假设来发现生物学见解.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 由于高维度,大尺寸和非线性结构,Omics数据集存在计算挑战,特别是在分析罕见事件时.
- 现有的生物信息学工具对机器学习 (ML) 的集成是有限的,以了解罕见事件的生物基础.
结论:
- 通过PerSEveML成功地在三个极其罕见事件的多样化,复杂的生物数据集中产生了有效的假设.
- 该平台提供了对OMIC数据分析的集成ML方法的全面概述.
- 它帮助研究人员从具有挑战性的数据集中发现有意义的生物学见解.
