Machine learning and burden analyses highlight novel genes in Parkinson's Disease
En intégrant la priorisation par apprentissage automatique basée sur XGBoost aux analyses de charge de variants rares à travers de larges cohortes, cette étude identifie six nouveaux gènes de risque potentiels et une association spécifique à un domaine à doigt de zinc dans la maladie de Parkinson, démontrant l'efficacité de la combinaison de la priorisation multi-omique avec des tests génétiques à haute résolution pour surmonter les limites des études d'association pangénomique (GWAS) traditionnelles.