ScholarGate
Trợ lý
Process / pipelineBioinformatics / omics

Phân tích biến thể số lượng bản sao (CNV) có hỗ trợ Học máy

Phân tích CNV có hỗ trợ học máy (ML) áp dụng các thuật toán học có giám sát, không giám sát hoặc học sâu để phát hiện các vùng bộ gen bị nhân đôi hoặc xóa so với bộ gen tham chiếu. Thay vì dựa vào các ngưỡng thống kê cố định, các mô hình ML học các mẫu phân biệt từ tín hiệu độ sâu đọc, tần số alen và các đặc trưng khác, cải thiện đáng kể độ nhạy và độ đặc hiệu so với các công cụ cổ điển — đặc biệt là trong dữ liệu giải trình tự nhiễu hoặc có độ phủ thấp.

Mở trong MethodMindSắp ra mắtApply, compare, get guidance
Tools & resources
Tải xuống bản trình chiếu
Learn & explore
VideoSắp ra mắt

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Bản đồ phương pháp

Lân cận của các phương pháp liên quan — chọn một nút để khám phá.

Nguồn tài liệu

  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

Cách trích dẫn trang này

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

Phương pháp nào?

Đặt phương pháp này bên cạnh những phương pháp gần gũi nhất với nó và đọc chúng song song — thư viện bày sách lên bàn; lựa chọn là của bạn.

So sánh song song
ScholarGateMachine learning-assisted copy number variation analysis (Machine Learning-Assisted Copy Number Variation Analysis). Truy cập ngày 2026-06-17 từ https://scholargate.app/vi/bioinformatics/machine-learning-assisted-copy-number-variation-analysis · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026