ScholarGate
Assistent
Process / pipelineBioinformatics / omics

Machine Learning-Assisteret Analyse af Kopiantalsvariationer

Machine learning-assisteret CNV-analyse anvender superviserede, usuperviserede eller dybe læringsalgoritmer til at detektere genomiske regioner, der er duplikerede eller slettede i forhold til et referencegenom. I stedet for at stole på faste statistiske tærskler lærer ML-modeller diskriminative mønstre fra read-depth-signaler, allelfrekvenser og andre træk, hvilket væsentligt forbedrer sensitivitet og specificitet i forhold til klassiske værktøjer – især i støjende data med lav dækning.

Åbn i MethodMindSnartVideoSnartHent slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Metodekort

Nabolaget af beslægtede metoder — vælg en knude for at udforske.

Kilder

  1. Aganezov, S., Goodwin, S., Sherman, R. M., Sedlazeck, F. J., Mehta, G., Rushbrook, S., ... & Schatz, M. C. (2020). Comprehensive analysis of structural variants in breast cancer genomes using single-molecule sequencing. Genome Research, 30(9), 1258-1273. link
  2. Zare, F., Dow, M., Monteleone, N., Bhatt, A., & Bhatt, D. L. (2017). An evaluation of copy number variation detection tools for cancer using whole exome sequencing data. BMC Bioinformatics, 18(1), 286. link

Sådan citerer du denne side

ScholarGate. (2026, June 3). Machine Learning-Assisted Copy Number Variation Analysis. ScholarGate. https://scholargate.app/da/bioinformatics/machine-learning-assisted-copy-number-variation-analysis

Hvilken metode?

Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.

Sammenlign side om side
ScholarGateMachine learning-assisted copy number variation analysis (Machine Learning-Assisted Copy Number Variation Analysis). Hentet 2026-06-15 fra https://scholargate.app/da/bioinformatics/machine-learning-assisted-copy-number-variation-analysis · Datasæt: https://doi.org/10.5281/zenodo.20539026