Maskinlæringsassistert variantkalling — ML-basert genomanalyse av varianter
Maskinlæringsassistert variantkalling bruker statistiske læringsmodeller — spesielt konvolusjonelle nevrale nettverk — for å skille ekte genomiske varianter (SNP-er, indels) fra sekvenseringsartefakter i justerte kort- eller langlesingsdata. I motsetning til heuristiske kallere som er avhengige av håndlagde filtre, lærer ML-baserte tilnærminger direkte fra store merkede datasett med validerte varianter, noe som forbedrer sensitivitet og spesifisitet på tvers av ulike sekvenseringsplattformer og dekningsdybder. Googles DeepVariant (2018) er den landemerkeimplementeringen som brakte dyp læring inn i mainstream variantkalling.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Machine Learning-Assisted Genomic Variant Calling. ScholarGate. https://scholargate.app/no/bioinformatics/machine-learning-assisted-variant-calling
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →