使用机器学习对数组定量PCR放大曲线进行自动化后运行分析
Ben J Brintz1, Darwin J Operario2, David Garrett Brown1
1University of Utah Department of Internal Medicine, Salt Lake City, Utah, USA.
Gates open research
|January 24, 2025
概括
使用机器学习对TaqMan阵列卡 (TAC) 数据的自动分析显著提高了准确性和效率. 这种方法提高了高通量定量PCR (qPCR) 应用的可重复性.
科学领域:
- 生物技术是生物技术.
- 生物信息学是一种生物信息学.
- 分子生物学分子生物学
背景情况:
- TaqMan阵列卡 (TAC) 是一个高通量平台,用于在qPCR中同时检测多个目标.
- 手动运行后分析TAC数据是耗时的,容易受到主观解释.
- 需要自动化TAC数据分析,以提高效率和可重复性.
研究的目的:
- 开发和验证用于自动化TAC数据运行后分析的机器学习模型.
- 为了比较自动化分析与专家手动分析的性能.
主要方法:
- 通过使用165,214个qPCR放大曲线训练了两个极端梯度增强 (XGBoost) 模型.
- 一个分类模型预测了放大存在,第二个模型预测了周期值 (Ct) 值.
- 使用5倍交叉验证和来自17名实验室科学家的外部数据验证的模型.
主要成果:
- 内部验证显示分类的高精度 (0.996),Ct预测的低平均绝对误差 (MAE) 为0.590.
- 外部验证实现了0.997的准确性和0.611的MAE.
- 自动化分析超过了17名科学家中的14名科学家的手动分析.
结论:
- 机器学习模型可以高精度地自动化高度排列的qPCR数据分析.
- 这种自动化方法节省了时间,并提高了TAC使用者的可重复性.
- 该方法适用于其他高通量qPCR平台.


