ScholarGate
Asistent
Process / pipelineBioinformatics / omics

Analýza variácií počtu kópií asistovaná strojovým učením

Analýza CNV asistovaná strojovým učením využíva supervízované, nesupervízované alebo hlboké učenie na detekciu genómových regiónov, ktoré sú duplikované alebo deleované v porovnaní s referenčným genómom. Namiesto spoliehania sa na pevné štatistické prahy sa modely ML učia diskriminačné vzory zo signálov hĺbky čítania, frekvencií alel a iných vlastností, čím sa podstatne zlepšuje citlivosť a špecificita v porovnaní s klasickými nástrojmi – najmä pri šumových alebo nízko-pokrývajúcich sekvenačných dátach.

Otvoriť v MethodMindČoskoroVideoČoskoroStiahnuť snímky

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Mapa metód

Okolie príbuzných metód — vyberte uzol na preskúmanie.

Zdroje

  1. Aganezov, S., Goodwin, S., Sherman, R. M., Sedlazeck, F. J., Mehta, G., Rushbrook, S., ... & Schatz, M. C. (2020). Comprehensive analysis of structural variants in breast cancer genomes using single-molecule sequencing. Genome Research, 30(9), 1258-1273. link
  2. Zare, F., Dow, M., Monteleone, N., Bhatt, A., & Bhatt, D. L. (2017). An evaluation of copy number variation detection tools for cancer using whole exome sequencing data. BMC Bioinformatics, 18(1), 286. link

Ako citovať túto stránku

ScholarGate. (2026, June 3). Machine Learning-Assisted Copy Number Variation Analysis. ScholarGate. https://scholargate.app/sk/bioinformatics/machine-learning-assisted-copy-number-variation-analysis

Ktorá metóda?

Postavte túto metódu vedľa jej najbližších príbuzných a čítajte ich vedľa seba — knižnica vám knihy položí na stôl; voľba je na vás.

Porovnať vedľa seba
ScholarGateMachine learning-assisted copy number variation analysis (Machine Learning-Assisted Copy Number Variation Analysis). Získané 2026-06-15 z https://scholargate.app/sk/bioinformatics/machine-learning-assisted-copy-number-variation-analysis · Dátová sada: https://doi.org/10.5281/zenodo.20539026