Process / pipelineBioinformatics / omics

機械学習支援バリアントコーリング — MLベースゲノムバリアント検出

機械学習支援バリアントコーリングは、統計的学習モデル、特に畳み込みニューラルネットワークを用いて、アラインされた短鎖または長鎖リードデータ中の真のゲノムバリアント(SNP、インデル)とシーケンスアーチファクトを区別します。手作業で作成されたフィルターに依存するヒューリスティックコーラーとは異なり、MLベースのアプローチは検証済みのバリアントの大規模ラベル付きデータセットから直接学習するため、多様なシーケンスプラットフォームおよびカバレッジ深度にわたって感度と特異度が向上します。GoogleのDeepVariant(2018)は、ディープラーニングを主流のバリアントコーリングにもたらした画期的な実装です。

MethodMindで開く近日公開動画近日公開Download slides

手法の全文を読む

会員限定

無料アカウントでログインすると、このセクションを読めます。

ログイン

Method map

The neighbourhood of related methods — select a node to explore.

機械学習支援バリアントコーリング
機械学習支援コピー数変異解析

出典

  1. 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
  2. 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

このページの引用方法

ScholarGate. (2026, June 3). Machine Learning-Assisted Genomic Variant Calling. ScholarGate. https://scholargate.app/ja/bioinformatics/machine-learning-assisted-variant-calling

この手法を参照する項目

ScholarGateMachine learning-assisted variant calling (Machine Learning-Assisted Genomic Variant Calling). 2026-06-15に以下より取得 https://scholargate.app/ja/bioinformatics/machine-learning-assisted-variant-calling · データセット: https://doi.org/10.5281/zenodo.20539026