基于混合深度神经网络的基因遗传变体致病性注释

论文摘要

绝大部分非编码区的基因功能尚不清楚,而许多的遗传变体就存在这些区域,如何识别与疾病相关的变体仍是一个挑战。已有基于支持向量机的算法CADD被提出,它可以注释编码和非编码区的变体,但是该方法未能捕获特征间的非线性关系。为了解决此问题,设计了一个混合卷积网络和全连接网路的模型,能很好地捕获特征之间的非线性关系。在测试集上,方法达到了最高的66. 44%准确率。

论文目录

• 1 材料和方法
•   1.1 数据集
•   1.2 方法
•     1.2.1 模型建立
•     1.2.2 模型训练
•     1.2.3 性能指标
• 2 结果和讨论
• 3 结论

文章来源

类型: 期刊论文

作者: 杨书新,汤达荣

关键词: 深度学习,遗传变体,致病性,注释

来源: 生物学杂志 2019年04期

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,基础医学,自动化技术

单位: 江西理工大学信息工程学院

基金: 国家自然科学基金地区项目(41362015),江西省教育厅科技项目(GJJ170518)

分类号: R394;TP18

页码: 94-96+101

总页数: 4

文件大小: 164K

下载量: 57