Machine learning and burden analyses highlight novel genes in Parkinson's Disease
Integrando la prioritizzazione basata sul machine learning tramite XGBoost con analisi del carico di varianti rare su ampie coorti, questo studio identifica sei nuovi potenziali geni di rischio e un'associazione specifica con un dominio zinc-finger nella malattia di Parkinson, dimostrando l'efficacia della combinazione tra prioritizzazione multi-omica e test genetici ad alta risoluzione per superare i limiti dei tradizionali GWAS.