法医学的なDNAプロファイルの分析にAIを利用できるようにする

科学分野:

• 法医科学
• バイオ情報学
• コンピュータ・ビジョン

背景:

• ディープラーニングは法医学的なDNA分析に アレルの呼び出しを自動化する可能性を秘めています
• 現在の方法は,しばしばカスタムモデルアーキテクチャと広範なマニュアルアノテーションを使用して,再現性を妨げています.
• 法医学遺伝学では 入手可能な標準化されたディープラーニングの方法が必要です

研究 の 目的:

• ケースワークデータと法医学的なDNAアレル呼び出しのための標準的なU-Netアーキテクチャを使用したディープラーニングモデルのトレーニングの有効性を調査する.
• 開発されたモデル,DNANetのパフォーマンスを評価し,人間のアナリストと確立された地面の真実を比較します.
• コード,モデル・ウェイト,データを公開することでアクセシビリティを促進する.

主な方法:

• U-NetベースのディープラーニングモデルであるDNANetを開発し,エレクトロフェログラムスキャンポイントをアレルまたは非アレルとして分類しました.
• ケースワークデータから派生したアレルアノテーションを使用してモデルを訓練しました.
• DNANetを未確認のケースワークデータと独立した混合物研究データで評価し,そのパフォーマンスを分析者の注釈と実際のドナーアレルと比較した.

主要な成果:

• DNANetは高いF1スコアを達成しました. 分析者が注釈した症例データで0.971,研究データで0.982.
• 実際のドナーアレル (F1スコア0. 962) の性能はヒトアナリストと同等であった.
• このモデルは,標準データとアーキテクチャで良いパフォーマンスを達成できることを示しました.

結論:

• DNANetの性能は,標準的なディープラーニングアーキテクチャとケースワークデータの使用を検証する,法医学的なDNAアレル呼び出しにおけるヒトアナリストと同等です.
• この研究は,アクセシブルなディープラーニングツールで複雑な法医的なタスクを自動化する可能性を強調しています.
• アレル呼び出しシステムの定量的な比較を容易にするために,標準化された基準を確立するよう求められています.