Извличане на варианти с помощта на машинно обучение — Детекция на геномни варианти, базирана на МО
Извличането на варианти с помощта на машинно обучение използва статистически модели за обучение — най-вече конволюционни невронни мрежи — за разграничаване на истински геномни варианти (SNP, индели) от артефакти при секвениране в подравнени данни от къси или дълги четения. За разлика от евристичните извличащи програми, които разчитат на ръчно изработени филтри, подходите, базирани на МО, се учат директно от големи етикетирани набори от данни с валидирани варианти, подобрявайки чувствителността и специфичността при различни платформи за секвениране и дълбочини на покритие. DeepVariant на Google (2018) е основополагащата имплементация, която въведе дълбокото обучение в масовото извличане на варианти.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Poplin, R., Chang, P. C., Alexander, D., Schwartz, S., Colthurst, T., Ku, A., Newburger, D., Dijamco, J., Nguyen, N., Afshar, P. T., Gross, S. S., Dorfman, L., McLean, C. Y., & DePristo, M. A. (2018). A universal SNP and small-indel variant caller using deep neural networks. Nature Biotechnology, 36(10), 983–987. DOI: 10.1038/nbt.4235 ↗
- Krusche, P., Trigg, L., Boutros, P. C., Mason, C. E., De La Vega, F. M., Moore, B. L., Gonzalez-Porta, M., Eberle, M. A., Tezak, Z., Lababidi, S., Truty, R., Asimenos, G., Funke, B., Fleharty, M., Salit, M., Goldfeder, R. L., & Zook, J. M. (2019). Best practices for benchmarking germline small-variant calls in human genomes. Nature Biotechnology, 37(5), 555–560. DOI: 10.1038/s41587-019-0054-x ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Machine Learning-Assisted Genomic Variant Calling. ScholarGate. https://scholargate.app/bg/bioinformatics/machine-learning-assisted-variant-calling
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →