රේඛීය නොවන අවකාශ-කාලීන සාධක මගින් සංකීර්ණ ලක්ෂණ පුරෝකථනය වැඩිදියුණු කෙරේ

ජාන ආකෘති බොහොමයක් භාවිත කරන්නේ සීමිත රේඛීය විචල්‍ය (covariate) ගැලපීම් පමණි. කැලිෆෝනියා විශ්වවිද්‍යාලයේ සැන් ඩියාගෝ (University of California San Diego) හි රොස් ඩීවිටෝ (Ross DeVito) සහ මෙලිසා ගයිම්රෙක් (Melissa Gymrek) විසින් සිදු කළ, 2026 අගෝස්තු 29 දින Nature Communications හි පළ වූ සම-සමාලෝචිත අධ්‍යයනයක්, ග්‍රේඩියන්ට්-බූස්ටඩ් (gradient-boosted) ශූන්‍ය ආකෘති හරහා ස්ථානය, කාලය සහ රේඛීය නොවන අන්තර්ක්‍රියා එක් කරයි.

UK Biobank ෆීනෝටයිප් (phenotype) 16ක් හරහා, එක් පහළ ධාරා ක්‍රමයක් සඳහා මධ්‍යන්‍ය R-squared වැඩිවීම 7.3%ක් බව කතුවරුන් වාර්තා කරයි. කුඩා කාර්ය ප්‍රවාහ එකතුවකට පාරිසරික බලපෑම් හෙළි කළ හැක.

මෙම මිණුම කතුවරුන් වාර්තා කළ, නිශ්චිත ජෛව බැංකුවකට අදාළ එකකි; බාහිර ජනගහන වලංගුකරණයක් අවශ්‍ය වේ.