Video Experimental Relacionado
Updated: Sep 9, 2025

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
DeepAnnotation: Un nuevo modelo de selección genómica interpretable basado en el aprendizaje profundo que integra
Wenlong Ma1,2, Weigang Zheng1,2,3, Shenghua Qin1,2
1State Key Laboratory of Genome and Multi-omics Technologies, Shenzhen Branch, Guangdong Laboratory for Lingnan Modern Agriculture, Key Laboratory of Livestock and Poultry Multi-Omics of MARA, Agricultural Genomics Institute at Shenzhen, Chinese Academy of Agricultural Sciences, Shenzhen 518124, China.
DeepAnnotation, un nuevo modelo de aprendizaje profundo, mejora la selección genómica mediante la integración de datos multiómicos para una predicción de fenotipo superior. Este enfoque interpretable mejora la precisión e identifica los SNPs causales para la cría de ganado.
Área de la Ciencia:
- Ciencias Agrícolas
- La bioinformática
- La genética
Sus antecedentes:
- La selección genómica acelera la mejora de los rasgos del ganado utilizando información genómica.
- Los datos multiómicos ofrecen el potencial para mejorar la selección genómica con el conocimiento biológico.
- La predicción precisa del fenotipo utilizando datos multiómicos en la selección genómica aún se está desarrollando.
Objetivo del estudio:
- Desarrollar DeepAnnotation, un modelo de aprendizaje profundo interpretable para la predicción de fenotipos.
- Integrar las anotaciones funcionales multiómicas en un marco de aprendizaje profundo para la selección genómica.
- Mejorar la precisión y la eficiencia de la predicción de características económicamente importantes en el ganado.
Principales métodos:
- Desarrolló DeepAnnotation, un modelo de aprendizaje profundo que alinea las anotaciones multiómicas con capas de red secuenciales.
- Modelado la cascada de genotipo a fenotipo desde elementos cis-reguladores hasta genes, módulos y rasgos.
- Evaluación del rendimiento del modelo con respecto a siete modelos clásicos de selección genómica.
Principales resultados:
- DeepAnnotation demostró una precisión de predicción significativamente superior (aumento del 6,4% 120,0%) en comparación con siete modelos clásicos.
- Se logró una alta eficiencia computacional en la predicción de tres rasgos de la producción de carne de cerdo (porcentaje de carne magra, profundidad del músculo del lombo, espesor de la grasa de la espalda).
- Permitió la identificación de posibles polimorfismos causales de un solo nucleótido (SNP) y sus mecanismos moleculares.
Conclusiones:
- DeepAnnotation es una herramienta de aprendizaje profundo interpretable de código abierto para la predicción de fenotipos en la selección genómica.
- El modelo aprovecha efectivamente las anotaciones funcionales multiómicas para una predicción mejorada.
- Proporciona un recurso valioso para los investigadores y profesionales de la cría de ganado y la genética.
Más Videos Relacionados
08:04Identification and Classification of Position-specific GABAA Receptor Subunit Missense Variants for Their Role In Hippocampal Pyramidal Neurons
Published on: June 6, 2025
03:37Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
Published on: March 1, 2024
Videos de Conceptos Relacionados
Genome Annotation and Assembly
Genomics
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Improving Translational Accuracy
Genetic Screens
Forward genetic screens
Forward or “classical” genetic screens involve creating random mutations in an organism’s DNA using radiation, mutagens, or insertion of additional bases, which...
Synthetic Biology
Golden rice
Golden rice is a genetically modified...