使用DriverPower識別癌癥driver基因的綜合負荷和功能影響測試
2020-12-24 14:21
科研菌
關注
利用上述元件對模型性能進行評估時，作者的分析結果發(fā)現：將兩種算法分別構建的模型應用于大型訓練人群（如泛癌組）以及應用于測試元件集時，均顯示出出色的性能（圖1b－c）。
圖1．兩種算法分別構建的模型的性能評估
其次，作者分析發(fā)現，隨機lasso＋GLM和GBM均可用于以不同方式對特征重要性進行排名。兩種方法的特征選擇排名均顯示H3K9me3（與異染色質相關）和H3K27ac（或其拮抗組蛋白標記H3K27me3）是BMR最重要的預測因子（圖S2）。
圖S2．特征重要性排名
2．功能校正
在以往大多數基于負荷的方法中，均會對突變進行加權處理。但并非所有突變都具有相同的功能結果。為了合并功能結果等信息，DriverPower實現了功能校正。功能校正步驟可以增強具有較高預測功能影響的突變。在當前實施中，作者使用四個已發(fā)布的評分方案（CADD16，DANN17，EIGEN18和LINSIGHT19評分）來評估功能影響分數（圖2a－b）。
圖2．功能影響評分（functional impact scores）
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
