Maschinelles Lernen-gestützte Varianten-Identifizierung — Genomische Varianten-Detektion auf ML-Basis
Maschinelles Lernen-gestützte Varianten-Identifizierung nutzt statistische Lernmodelle — insbesondere Convolutional Neural Networks — um echte genomische Varianten (SNPs, Indels) von Sequenzierungsartefakten in ausgerichteten Kurz- oder Lang-Lese-Daten zu unterscheiden. Im Gegensatz zu heuristischen Callern, die auf handgefertigten Filtern basieren, lernen ML-basierte Ansätze direkt aus großen, gelabelten Datensätzen validierter Varianten, was die Sensitivität und Spezifität über verschiedene Sequenzierungsplattformen und Abdeckungstiefen hinweg verbessert. Googles DeepVariant (2018) ist die wegweisende Implementierung, die Deep Learning in die Mainstream-Varianten-Identifizierung brachte.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Machine Learning-Assisted Genomic Variant Calling. ScholarGate. https://scholargate.app/de/bioinformatics/machine-learning-assisted-variant-calling
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →