Detección semisupervisada de la selección natural con aprendizaje positivo sin etiqueta

Área de la Ciencia:

• La genómica evolutiva
• Aprendizaje automático
• Genética de las poblaciones

Sus antecedentes:

• La identificación de regiones genómicas bajo la selección natural es crucial en la genómica evolutiva.
• Los métodos actuales de aprendizaje automático se basan en datos simulados y etiquetas explícitas, lo que limita su aplicación a los genomas del mundo real con fuerzas evolutivas mixtas.
• Las estrategias de uno contra el resto son complejas y luchan por modelar diversos antecedentes evolutivos.

Objetivo del estudio:

• Desarrollar un marco flexible de aprendizaje automático para detectar eventos adaptativos, específicamente barridos selectivos, en datos genómicos.
• Introducir un enfoque de aprendizaje positivo sin etiqueta que evite la necesidad de un modelo de muestra explícitamente negativo.
• Permitir la detección robusta de la selección positiva en paisajes genómicos realistas formados por varios factores evolutivos.

Principales métodos:

• Se introdujo PULSe, un método que emplea aprendizaje positivo sin etiqueta para la detección selectiva de barrido.
• PULSe entrenado utilizando solo ejemplos etiquetados de barridos selectivos y un conjunto de datos de fondo sin etiquetar.
• Evaluó el rendimiento de PULSe en diversos escenarios demográficos, adaptativos y de confusión, incluido el cambio de dominio.

Principales resultados:

• PULSe demostró un alto rendimiento y generalizabilidad en varios contextos genómicos.
• El método identificó con éxito candidatos a barrido selectivo previamente conocidos en genomas humanos europeos y bengalíes.
• PULSe maneja efectivamente datos genómicos complejos sin suposiciones sobre la composición de fondo.

Conclusiones:

• PULSe ofrece una alternativa poderosa y versátil para detectar regiones genómicas adaptativas.
• El marco de aprendizaje sin etiqueta positiva proporciona robustez en los análisis genómicos realistas.
• PULSe tiene el potencial de generalizar a través de diversos paisajes genómicos y escenarios evolutivos.