基于特征挖掘的基因组缺失变异集成检测方法

• 作者: 凌诚 张晓东 高敬阳
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 缺失变异 特征挖掘 集成检测
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 2016第六届中国数据挖掘会议
• 页码范围: 80-83
• 页数: 4页
• 分类号: TP391|Q523
• 字数: 3674字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.01.015

摘要

随着高通量测序技术的应用与发展,基于测序的缺失变异检测方法大量涌现.然而,单一检测方法仍存在适用的局限性以及检测精度与敏感度不足的问题.为此,提出一种基于多检测理论融合的特征挖掘与机器学习算法集成的基因组缺失变异综合检测方法.该方法将多种工具应用于个体缺失变异检测,得到变异检测初始集;再根据多种检测理论对初始集中的缺失变异进行序列特征挖掘与特征提取;最后,将检测工具与机器学习算法相融合以获得集成的检测方法,剔除初始集中的假阳性变异,获得最终的结果集.基于千人基因组计划数据的实验表明,相较于单个工具的检测结果,该方法在检测精度和敏感度上均占优势;相较于多个工具检测结果的直接组合,该方法在损失少许检测敏感度的前提下显著地提高了检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高敬阳	北京化工大学信息科学与技术学院	26	147	7.0	11.0
2	张晓东	北京化工大学信息科学与技术学院	11	33	3.0	5.0
3	凌诚	北京化工大学信息科学与技术学院	2	0	0.0	0.0