DTreePred:一个基于机器学习的在线观看器,用于基因组变异的病原性预测
Daniel Henrique Ferreira Gomes1,2, Inácio Gomes Medeiros3, Tirzah Braz Petta1,4
1Bioinformatics Postgraduate Program, Metrópole Digital Institute, Federal University of Rio Grande Do Norte, Natal, Rio Grande Do Norte, 59078-400, Brazil.
BMC bioinformatics
|April 9, 2025
概括
DTreePred是一款新的移动应用程序,使用机器学习准确识别引起疾病的突变. 该工具通过改进变异病原性评估来帮助精准医学,特别是在代表性不足的人群中.
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.
- 计算生物学 计算生物学
背景情况:
- 识别与疾病相关的突变对于精准医学至关重要,但与公共数据库和代表性不足的人群存在挑战.
- 目前的突变致病性预测指标显示出显著的分歧,需要手动验证才能准确评估突变效应.
研究的目的:
- 介绍DTreePred,一个跨平台的移动应用程序和在线可视化工具,用于评估核酸变体的致病性.
- 简化变种分析,提高病原性数据的准确性和可靠性,用于临床决策.
主要方法:
- DTreePred采用基于机器学习的病原性模型,结合了决策树算法和15个分类器.
- 该工具将公共数据库与各种预测算法和经典预测器集成在一起.
- 对巴西队列进行了病例研究,并对已知的突变进行了完整性测试.
主要成果:
- 在一个案例研究中,DTreePred成功地确定了超过95%的核酸变异的致病性.
- 用200个已知的突变进行完整性测试,获得了97%的准确性,超过了以前的模型.
- 该应用程序集成了多种数据源和预测技术,以进行可靠的变异分析.
结论:
- DTreePred提供了一种可靠的解决方案,以减少有关致病变体的临床决策中的不确定性.
- 提高病原性评估准确度可以显著改善医学诊断和治疗,使代表性不足的群体受益.
更多相关视频
09:34Targeted Next-generation Sequencing and Bioinformatics Pipeline to Evaluate Genetic Determinants of Constitutional Disease
Published on: April 4, 2018
33.4K
07:15Determining the Likelihood of Variant Pathogenicity Using Amino Acid-level Signal-to-Noise Analysis of Genetic Variation
Published on: January 16, 2019
10.9K
