在模拟数据上训练的随机森林分类器可以在Chr16p13.3的α环蛋白区域中准确地基于短读数的结构变异的基因型鉴定

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 机器学习 机器学习

背景情况:

• 通过短读序列来表征结构变异,在参考对齐不佳的地区是具有挑战性的.
• 16号染色体上的α环球蛋白位呈现出一个医学上相关但难以用于基因型结构变异的区域.

研究的目的:

• 开发和验证一种机器学习方法,用于使用短序读取来基因型结构变异.
• 为了准确地基因型化阿尔法环球蛋白位点中具有挑战性的删除.
• 用现有软件将新方法产生的种群等位基因频率进行比较.

主要方法:

• 利用在模拟数据上训练的机器学习分类器.
• 将模型应用于用于基因型结构变异的短序读取.
• 分析了16号染色体上的α球蛋白位点.
• 在两个独立的人类队伍中验证了结果.

主要成果:

• 精确地基因型化了两个难以区分的缺失在α环球蛋白位点.
• 仅在模拟数据上训练的模型实现了高精度.
• 产生了与先前确定频率密切匹配的种群等位基因频率.
• 在精度和频率确定方面,目前可用的基因型软件的性能优于.

结论:

• 机器学习分类器可以有效地在具有挑战性的基因组区域中使用短读测序对基因组结构变异进行基因型分类.
• 开发的方法为结构变异基因型定型提供了强大而准确的替代方案.
• 这种方法对人口遗传学和临床诊断有重大影响.