Process / pipelineBioinformatics / omics

Beiziešu variantu izsaukšana — Probabilistiska SNP un indel noteikšana

Beiziešu variantu izsaukšana ir aprēķinu cauruļvads, kas izmanto probabilistisku secināšanu, lai identificētu vienas nukleotīdu polimorfismus (SNP), ieliktņus un dzēsumus genomā, apstrādājot sekvenču datus kā pierādījumus un aprēķinot aizmugurējās varbūtības kandidātu genotipiem. Atšķirībā no deterministiskiem sliekšņa balstītiem izsaucējiem, Beiziešu pieejas skaidri modelē sekvenču kļūdas, kartēšanas nenoteiktību un iepriekšējas genotipu biežumu, lai radītu kalibrētas genotipu ticamības, ko var izmantot turpmākai filtrēšanai un asociācijas testēšanai.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Avoti

  1. McKenna, A., Hanna, M., Banks, E., Sivachenko, A., Cibulskis, K., Kernytsky, A., ... & DePristo, M. A. (2010). The Genome Analysis Toolkit: A MapReduce framework for analyzing next-generation DNA sequencing data. Genome Research, 20(9), 1297–1303. DOI: 10.1101/gr.107524.110
  2. Rimmer, A., Phan, H., Mathieson, I., Iqbal, Z., Twigg, S. R., WGS500 Consortium, ... & McVean, G. (2014). Integrating mapping-, assembly- and haplotype-based approaches for calling variants in clinical sequencing applications. Nature Genetics, 46(8), 912–918. DOI: 10.1038/ng.3036

Kā citēt šo lapu

ScholarGate. (2026, June 3). Bayesian Statistical Variant Calling from Sequencing Data. ScholarGate. https://scholargate.app/lv/bioinformatics/bayesian-variant-calling

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Uz to atsaucas

ScholarGateBayesian Variant Calling (Bayesian Statistical Variant Calling from Sequencing Data). Izgūts 2026-06-15 no https://scholargate.app/lv/bioinformatics/bayesian-variant-calling · Datu kopa: https://doi.org/10.5281/zenodo.20539026