Maskinlærings-assisteret variantkald — ML-baseret genomisk variantdetektion
Maskinlærings-assisteret variantkald anvender statistiske læringsmodeller — især konvolutionelle neurale netværk — til at skelne ægte genomiske varianter (SNP'er, indels) fra sekvenseringsartefakter i justerede kort- eller langlæse-data. I modsætning til heuristiske kaldere, der er afhængige af håndlavede filtre, lærer ML-baserede tilgange direkte fra store mærkede datasæt af validerede varianter, hvilket forbedrer følsomhed og specificitet på tværs af forskellige sekvenseringsplatforme og dækningsdybder. Googles DeepVariant (2018) er den skelsættende implementering, der bragte deep learning ind i mainstream variantkald.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Machine Learning-Assisted Genomic Variant Calling. ScholarGate. https://scholargate.app/da/bioinformatics/machine-learning-assisted-variant-calling
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →