Variánsdetektálás gépi tanulással (ML-alapú genomikai variánsdetektálás)
A gépi tanulással támogatott variánsdetektálás statisztikai tanulási modelleket – leginkább konvolúciós neurális hálózatokat – használ a valódi genomikai variánsok (SNP-k, indel-ek) és a szekvenálási artefaktumok megkülönböztetésére rendezett rövid vagy hosszú leolvasási adatokban. A kézzel készített szűrőkre támaszkodó heurétikai hívókkal ellentétben az ML-alapú megközelítések közvetlenül nagy, címkézett, validált variánsokkal rendelkező adatkészletekből tanulnak, javítva az érzékenységet és a specificitást a különböző szekvenálási platformokon és fedettségi mélységekben. A Google DeepVariant (2018) a mérföldkőnek számító implementáció, amely a mélytanulást a variánsdetektálás mainstreamjévé tette.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Machine Learning-Assisted Genomic Variant Calling. ScholarGate. https://scholargate.app/hu/bioinformatics/machine-learning-assisted-variant-calling
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →