MLDeCNV: Un enfoque de aprendizaje automático para predecir tipos de variación del número de copias en genomas de...

Área de la Ciencia:

• Genómica de plantas
• Bioinformática
• Biología computacional

Sus antecedentes:

• Las variaciones del número de copias (CNV) son impulsores clave de la diversidad genética y los rasgos de las plantas.
• Los genomas de las plantas presentan desafíos para la caracterización de CNV debido a la complejidad y las secuencias repetitivas.

Objetivo del estudio:

• Presentar MLDeCNV, una herramienta de aprendizaje automático de código abierto para clasificar tipos de CNV en plantas.
• Mejorar la precisión de la categorización de tipos de CNV en análisis genómicos posteriores.

Principales métodos:

• Se desarrolló MLDeCNV utilizando el modelo XGBoost, incorporando 32 características relacionadas con CNV.
• Se entrenó el modelo con un conjunto de datos de alta confianza de CNV validados y predichos.
• Se evaluó el rendimiento en varios tamaños de CNV y tamaños de conjunto de datos.

Principales resultados:

• MLDeCNV logró una alta precisión (89,27%), precisión, recuperación y puntuación F1 (89,3%), con un AUC de 0,9783.
• XGBoost superó a los modelos de aprendizaje automático tradicionales en el manejo de datos complejos de CNV.
• La herramienta clasifica de manera confiable las deleciones, duplicaciones y no CNV a partir de regiones preidentificadas.

Conclusiones:

• MLDeCNV es una herramienta de clasificación posterior a la detección robusta y confiable para CNV de plantas.
• Su integración en los flujos de trabajo de detección de CNV puede optimizar los análisis genómicos y mejorar la comprensión de la variación genética.
• La herramienta es accesible en línea para una aplicación de investigación más amplia.