Diverse and widespread contamination evident in the unmapped depths of high throughput sequencing data
背景资料：痕量的污染DNA在实验室环境中广泛存在，但它们的存在在高通量测序的背景下很少受到关注。这个问题是突出了最近的作品，休息有争议的索赔测序数据，似乎支持意外的外源物种的存在。结果如下：我使用优先与替代基因组对齐的读数来推断一组独立测序实验中潜在污染物物种的分布。我证实稀释的样本更容易暴露于污染的DNA，并专注于四个单细胞测序实验，发现这些污染物似乎来自广泛的进化枝。尽管从“空白”样品制备的阴性对照文库回收了最高频率的污染物，但似乎对在单个实验中平行制备的样品产生异质性贡献的低频污染物没有得到很好的控制。我用这些结果表明，尽管有大量的复制和合理的控制，污染可以解释所有用于支持最近声称的完整基因从食物传递到人类血液的观察结果。结论：污染必须被认为是测序数据中外源物质信号的潜在来源，即使这些信号在独立实验中重复，在不同条件下变化，或表明一个物种似乎先验不太可能污染。平行处理的阴性对照文库对于控制污染物DNA是必不可少的，但必须认识到它们回收低频污染物的能力有限。
2014-01-30 q-bio.GN
A feasible roadmap to identifying significant intercellular genomic heterogeneity in deep sequencing data
细胞间异质性既是研究单个克隆的混杂因素，也是表征任何异质组织（如血液、肿瘤系统）的信息来源。由于不可避免的测序错误和其他样品制备伪像，如PCR错误，表征细胞间基因组异质性的系统性努力必须有效区分真正的克隆序列与假衍生物。我们开发了一种新的方法（SIGH），用于直接从混合测序读数中识别重要的真正克隆序列，这可以改善许多生物背景下的基因组分析。该方法提供了几个有吸引力的特征：（1）它自动地从原始序列读数估计错误率并识别真正的克隆序列;（2）它对由于各种实验条件而导致的大量错误率变化是鲁棒的;（3）它由充分利用测序错误的概率特性的基础统计框架支持;（4）其无偏策略允许检测稀有克隆，尽管该克隆相对丰度;以及（5）其估计每个样品中的组成比例。广泛的现实模拟研究表明，我们的方法可以可靠地估计错误率，并忠实地区分真正的克隆假衍生品，铺平了道路，否则破坏了往往占主导地位的假克隆的后续分析。
2014-09-27 q-bio.GN
Learning mutational graphs of individual tumour evolution from single-cell and multi-region sequencing data
Stanford University（斯坦福大学）；Università degli Studi di Milano-Bicocca（米兰比可卡大学）；Institute of Molecular Bioimaging and Physiology of the Italian National Research Council (IBFM-CNR)（意大利国家研究委员会分子生物成像与生理学研究所（IBFM-CNR））；Milan Center for Neuroscience（米兰神经科学中心）；The Institute of Cancer Research（癌症研究所）
背景正在开发大量算法，以从基因组测序数据重建个体肿瘤的进化模型。大多数方法可以分析通过批量多区域测序实验或单个癌细胞的测序收集的多个样品。但是，很少有相同的方法可以同时支持这两种数据类型。结果我们介绍TRaIT，一个计算框架来推断突变图，该突变图模拟驱动肿瘤演变的多种类型的体细胞改变的积累。与其他工具相比，TRaIT支持在同一统计框架内的多区域和单细胞测序数据，并提供捕获许多复杂进化现象的表达模型。与竞争方法相比，TRaIT提高了准确性、对数据特定错误的鲁棒性和计算复杂性。结论.我们表明，将TRaIT应用于单细胞和多区域癌症数据集可以产生准确可靠的单肿瘤演变模型，量化肿瘤内异质性的程度，并产生新的可检验的实验假设。
2019-03-22 cs.LG q-bio.GN
Rare-Allele Detection Using Compressed Se(que)nsing
The Open University of Israel（以色列开放大学）；Weizmann Institute of Science（魏茨曼科学研究所）；Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学博德研究所）
通过重测序检测罕见变异对于鉴定携带疾病变异的个体是重要的。新技术的快速测序使得靶区域的低成本重测序成为可能，尽管测试超过几个个体仍然是禁止的。为了改善成本权衡，最近有人建议应用汇集设计，其能够检测个体群体中的稀有等位基因的携带者。然而，这只适用于人才库中相对较少的个人，需要为特定情况设计人才库计划。我们提出了一种新的池化设计，基于压缩感知方法，这是通用的，简单的和有效的。我们对实验过程进行了建模，并通过计算机模拟表明，它能够从比以前更大的群体中回收稀有等位基因携带者，特别是在每个人都获得高覆盖率的情况下。我们的方法也可以与条形码技术相结合，以提高性能，并提供一个可行的解决方案，根据目前的重测序成本。例如，当靶向足够小的基因组区域（~100个碱基对）并且仅使用~10个测序泳道和~10个不同的条形码时，可以从超过4000个个体的群体中恢复4个稀有等位基因携带者的身份。
2009-09-02 cs.IT cs.LG math.IT
Identifying and removing the cell-cycle effect from single-cell RNA-Sequencing data
单细胞RNA测序（scRNA-Seq）是发现和描述异质组织中细胞类型的革命性技术，但其表达的测量经常遭受大的系统偏差。这种偏倚的一个主要来源是细胞周期，它引入了大量的细胞类型内异质性，这可能会掩盖细胞类型之间的表达差异。目前用于去除细胞周期效应的方法无法有效地识别这种效应，并且具有去除其他感兴趣的生物组分的高风险，从而损害下游分析。我们提出了ccRemover，这是一种可靠地识别细胞周期效应并将其去除的新方法。ccRemover保留了数据中其他感兴趣的生物信号，因此可以作为许多scRNA-Seq数据分析的重要预处理步骤。使用模拟数据和三个真实的scRNA-Seq数据集证明了ccRemover的有效性，其中它提高了现有聚类算法在区分细胞类型方面的性能。
2016-05-15 q-bio.GN q-bio.QM
A frame-based representation of genomic sequences for removing errors and rare variant detection in NGS data
我们提出了一个基于框架的表示k-mer检测测序错误和罕见的变异，在下一代测序数据中获得的人口密切相关的基因组。帧是非正交基函数的集合，传统上用于信号处理以去除噪声。我们为基因组和测序读数定义了一个框架，该框架由给定大小的每个k-mer的离散空间信号组成。我们表明，每个k-mer的测序数据可以投影到多个帧，这些投影最大化的空间信号对应的k-mer的子串。我们提出的分类器MultiRes是在k-mer的投影上训练的，作为用于将k-mer标记为基因组中错误或真实变异的特征。我们在模拟和真实病毒种群数据集上评估MultiRes，并将其与文献中已知的其他纠错方法进行比较。与其他方法相比，MultiRes的假阳性k-mer预测少4至500倍，这对于准确估计病毒群体多样性及其从头组装至关重要。它具有高召回率的真正的k-mer，与其他错误校正方法。MultiRes在检测单核苷酸多态性（SNP）方面的召回率也超过95%，假阳性SNP更少，同时与用于病毒群体的其他变异检测方法相比，检测到更多数量的罕见变异。该软件可从GitHub链接（https：//github.com/raunaq-m/MultiRes）免费获得。
2016-04-16 q-bio.GN
Bayesian Inference for Tumor Subclones Accounting for Sequencing and Structural Variants
肿瘤样品是异质的。它们由不同的亚克隆组成，其特征在于多个基因座上的DNA核苷酸序列和拷贝数的差异。可以通过鉴定在选定的一组基因座处的亚克隆拷贝数和序列来测量异源性。理解变异等位基因分数的准确识别在很大程度上取决于拷贝数的精确测定，我们开发了贝叶斯特征分配模型，用于联合调用相同位点的亚克隆拷贝数和相应的等位基因序列。该方法利用三个随机矩阵L、Z和w分别表示亚克隆拷贝数（L）、亚克隆变异等位基因数（Z）和样品中亚克隆的细胞分数（w）。未知数量的亚克隆意味着这些矩阵的列数为随机数。我们使用下一代测序数据通过对这三个矩阵的推断来估计亚克隆结构。使用模拟研究和真实的数据分析，我们演示了如何后验推断的亚克隆结构的增强与联合建模的结构和测序变异的亚克隆基因组。软件可在http://compgenome.org/BayClone2上获得。
2014-09-25 q-bio.GN stat.ME
PlainMap: a lightweight, restartable mapping pipeline for ancient and modern DNA
Technical University of Denmark（丹麦技术大学）
PlainMap是一个轻量级、可重启的比对流程，支持现代和降解DNA，通过确定性分块和检查点机制实现中断恢复，并减少约25%峰值内存。
2026-09-16 q-bio.GN
Efficient Real-Time Selective Genome Sequencing on Resource-Constrained Devices
第三代纳米孔测序仪提供了一种称为选择性测序或“读到”的功能，该功能允许基因组读数被实时的【形】分析，如果不属于“感兴趣”的基因组区域，则中途放弃。这种选择性测序为快速和低成本的基因检测等重要应用打开了大门。分析中的等待时间应尽可能低，以使选择性测序有效，从而可以尽早拒绝不必要的读数。然而，现有的方法，采用子序列动态时间规整（sDTW）算法的这个问题是太计算密集的，一个庞大的工作站与几十个CPU内核仍然努力跟上数据率的移动电话大小的MinION测序仪。在本文中，我们提出了硬件加速读直到（HARU），一个资源有效的软硬件协同设计为基础的方法，利用低成本和便携式异构MPSoC平台与片上FPGA加速基于sDTW的读直到算法。实验结果表明，对于SARS-CoV-2数据集，嵌入4核ARM处理器的Xilinx FPGA上的HARU比在具有36核Intel Xeon处理器的复杂服务器上运行的高度优化的多线程软件版本快约2.5倍（比现有未优化的多线程软件快约85倍）。HARU的能耗比在36核服务器上执行的相同应用低两个数量级。HARU sDTW模块的源代码可在https://github.com/beebdev/HARU上作为开源获得，并且利用HARU的示例应用在https://github.com/beebdev/sigfish-haru上。
2022-11-14 cs.AR q-bio.GN
Application of Deep Learning on Single-Cell RNA-sequencing Data Analysis: A Review
Weill Cornell Medicine（威尔康奈尔医学院）；Cornell University（康奈尔大学）；Institute for Computational Biomedicine（计算生物医学研究所）；Caryl and Israel Englander Institute for Precision Medicine（卡里尔与以色列·英格兰德精准医学研究所）；Temple University（天普大学）
单细胞RNA测序（scRNA-seq）已成为同时定量数千个单细胞的基因表达谱的常规使用的技术。scRNA-seq数据的分析在细胞状态和表型的研究中发挥着重要作用，并有助于阐明生物学过程，例如在复杂生物体发育过程中发生的生物学过程，并提高了我们对疾病状态的理解，例如癌症，糖尿病和COVID等。深度学习是人工智能的最新进展，已被用于解决涉及大型数据集的许多问题，也已成为scRNA-seq数据分析的一种有前途的工具，因为它有能力从嘈杂，异构和高维的scRNA-seq数据中提取信息丰富，紧凑的特征，以改善下游分析。本综述旨在调查scRNA-seq数据分析中最近开发的深度学习技术，确定scRNA-seq数据分析管道中由深度学习推进的关键步骤，并解释深度学习相对于更传统的分析工具的好处。最后，我们总结了scRNA-seq数据中当前深度学习方法面临的挑战，并讨论了scRNA-seq数据分析深度算法改进的潜在方向。
2022-10-11 cs.LG q-bio.GN
Scalable Pathogen Detection from Next Generation DNA Sequencing with Deep Learning
Oklahoma State University（俄克拉荷马州立大学）；Oklahoma Animal Disease Diagnostic Laboratory（俄克拉荷马动物疾病诊断实验室）
下一代测序技术已经扩大了物联网（IoT）的范围，通过以更低的成本增加从异构来源收集的大量基因组数据的可用性，将基因组学纳入个性化医疗。考虑到所收集数据的庞大规模以及物种间高度相似的基因组结构所带来的重大挑战，需要强大的可扩展分析平台来提取可操作的知识，例如潜在人畜共患病病原体的存在。来自新型病原体的人畜共患病的出现，例如1918年的流感病毒和2019年的SARS-CoV-2，可以跨越物种障碍并导致大流行，这强调了对可扩展宏基因组分析的需求。在这项工作中，我们提出了MG 2 Vec，这是一种基于深度学习的解决方案，使用Transformer网络作为其骨干，从原始宏基因组序列中学习鲁棒的特征，用于下游生物医学任务，如靶向和广义病原体检测。在四个日益具有挑战性但又现实的诊断环境中进行的广泛实验表明，所提出的方法可以帮助从未经管理的真实临床样本中检测病原体，并且以标签的形式进行最少的人工监督。此外，我们证明了学习的表示可以推广到疾病和物种之间完全不相关的病原体，用于大规模的宏基因组分析。我们通过深度学习对基于宏基因组的疾病诊断的新型表示学习框架进行了全面评估，并为从低成本的下一代测序中提取和使用鲁棒的矢量表示来开发可推广的诊断工具提供了一条前进的道路。
2022-11-30 cs.LG q-bio.GN
Integrating omics and MRI data with kernel-based tests and CNNs to identify rare genetic markers for Alzheimer's disease
Hasso Plattner Institute（哈索·普拉特纳研究所）；Universität Potsdam（波茨坦大学）；Max Delbrück Center for Molecular Medicine（马克斯·德尔布吕克分子医学中心）
对于精准医疗和个性化治疗，我们需要识别疾病的预测标志物。我们专注于阿尔茨海默病（AD），磁共振成像扫描提供有关疾病状态的信息。通过将成像与基因组测序相结合，我们的目标是识别与卷积神经网络（CNN）预测的数量性状相关的罕见遗传标记，这些标记传统上由专家手动得出。基于核的测试是关联遗传变异集的强大工具，但如何对罕见的遗传变异进行最佳建模仍然是一个开放的研究问题。我们提出了一套广义的内核，将先验信息从各种注释和多组学数据。在对阿尔茨海默病神经影像学倡议（ADNI）数据的分析中，我们评估了（i）CNN是否产生精确和可靠的大脑特征，以及（ii）基于核的新型测试是否有助于识别与AD相关的基因座。结果表明，CNN提供了一种快速，可扩展和精确的工具来获得定量AD性状，并且集成领域知识的新内核可以在非常罕见的变体的关联测试中产生更高的功效。
2019-03-05 cs.LG q-bio.GN stat.ML
Predicting Molecular Phenotypes with Single Cell RNA Sequencing Data: an Assessment of Unsupervised Machine Learning Models
West High School（西高中）；University of Utah（犹他大学）
根据美国国家癌症研究所的数据，2018年有950万人死于癌症。改善治疗的一个挑战是遗传不稳定细胞的耐药性。本研究的目的是通过使用管道和评估指标分析单细胞RNA测序（scRNAseq）数据，评估无监督机器学习对异质性肿瘤中治疗耐药表型的分类。scRNAseq定量细胞中的mRNA并表征细胞表型。分析了一个scRNAseq数据集（不同分子亚型的肿瘤/非肿瘤细胞和患者鉴定）。该管道包括数据过滤，主成分分析降维，均匀流形近似和投影投影，九种方法（Ward，BIRCH，高斯混合模型，DBSCAN，光谱，亲和传播，凝聚聚类，均值漂移和K均值）的聚类，以及评估。7个模型划分肿瘤与非肿瘤细胞和分子亚型，6个模型分类不同的患者身份（其中13个在数据集中列出）; K-Means、Ward和BIRCH通常排名最高，肿瘤与非肿瘤任务的准确率约为80%，分子亚型和患者ID的准确率约为60%。和BIRCH模型被评估为最有效的用于进一步分析。在目前没有scRNAseq分析标准方案的临床研究中，从该管道生成的簇可用于了解癌症细胞行为和恶性生长，直接影响治疗的成功。
2021-08-11 cs.LG q-bio.CB q-bio.GN
Analysis and visualization of spatial transcriptomic data
人类和动物组织由异质细胞类型组成，以高度结构化的方式组织和相互作用。批量和单细胞测序技术将细胞从其原始微环境中移除，导致空间信息的丢失。空间转录组学是一种在保留空间信息的同时测量转录组信息的新技术。空间转录组学数据可以以几种方式生成。RNA分子通过原位测序、原位杂交或空间条形码来测量以恢复原始空间坐标。空间信息的加入扩大了分析和可视化的可能性范围，并刺激了许多新方法的发展。在这篇综述中，我们总结了空间基因组学技术的核心概念，并提供了一个全面的审查目前的分析和可视化方法的空间转录组学。
2022-02-06 q-bio.GN q-bio.QM
Prior Knowledge based mutation prioritization towards causal variant finding in rare disease
State University of New York Korea（纽约州立大学韩国分校）；Stony Brook University（石溪大学）
我们如何在很少或没有统计学证据的情况下确定外显子组测序数据中的突变效应？蛋白质结构信息能填补统计学证据不足的空白吗？在这项工作中，我们回答了这两个问题，目的是确定罕见疾病中罕见变异的致病作用。我们采取的方法，确定点突变位点的重要性集中在蛋白质的结构特征。所提出的基于结构的特征包含突变位点的几何、物理化学和功能信息以及位点的结构邻居的信息。在80%的HumDiv上训练并在20%的HumDiv和ClinVar数据集上测试的基于结构的特征的性能显示出突变的致病或良性影响的高水平可解释性：使用多层感知器的F得分分别为0.71和0.68。结合基于结构和序列的特征进一步提高了准确性：F评分为0.86（HumDiv）和0.75（ClinVar）。此外，对罕见疾病病例中罕见变异的仔细检查表明，基于结构的特征在辨别变异基因座的重要性方面很重要。
2017-10-10 cs.AI q-bio.GN
TRONCO: an R package for the inference of cancer progression models from heterogeneous genomic data
动机：我们介绍TRONCO（TRANSIonal ONCOlogy），这是一个开源的R软件包，它实现了最先进的算法，用于从（epi）基因组突变谱推断癌症进展模型。TRONCO可用于提取群体水平模型，描述横断面样本队列中变化的累积趋势，例如，从公开可用的数据库中检索，以及揭示单个癌症患者中克隆进化历史的个体水平模型，当多个样品，例如，多个活组织检查或单细胞测序数据是可用的。由此产生的模型可以为揭示癌症的进化轨迹提供关键线索，特别是对于精准医学或个性化治疗。可用性：TRONCO是在GPL许可下发布的，它托管在http://bimib.disco.unimib.it/的软件部分，也存档在bioconductor. org。联系方式：tronco@disco.unimib.it
2016-02-10 q-bio.GN q-bio.QM stat.AP
Knowledge Graph Sparsification for GNN-based Rare Disease Diagnosis
Department of Computer Science, Technical University of Munich（技术大学慕尼黑计算机科学系）；Munich Center for Machine Learning (MCML), Munich, Germany（慕尼黑机器学习中心（MCML））；Johns Hopkins University, Baltimore, Maryland, USA（约翰霍普金斯大学）
针对罕见病诊断数据稀缺等挑战，提出基于子图的图神经网络RareNet，仅用表型识别致病基因，可独立或辅助其他方法，提升预测性能并惠及资源有限地区。
2025-10-09 cs.AI cs.LG q-bio.GN
ViralVectors: Compact and Scalable Alignment-free Virome Feature Generation
Georgia State University（佐治亚州立大学）
针对海量病毒测序数据的处理需求，提出基于minimizers的无比对特征生成方法ViralVectors，在多种病毒数据集上展现出优越的可扩展性、鲁棒性及在分类聚类任务上的性能。
2023-04-07 cs.LG q-bio.GN
Joint Inference of Genome Structure and Content in Heterogeneous Tumour Samples
对于基因组不稳定的癌症，单个肿瘤活检通常包含竞争性肿瘤克隆的混合物。这些肿瘤克隆通常在基因组内容（每个基因的拷贝数）和结构（每个染色体上基因的顺序）方面有所不同。现代批量基因组测序混合了肿瘤克隆和污染正常细胞的信号，使基因组内容和结构的推断复杂化。我们提出了一种方法来分解肿瘤和污染的正常信号，并共同预测每个肿瘤克隆的基因组结构和内容。我们使用基因组图来表示肿瘤克隆，并对给定克隆和混合比例的观察到的读数的可能性进行建模。我们使用单倍型块允许我们准确地测量等位基因特异性读段计数，并推断每个克隆的等位基因特异性拷贝数。所提出的方法是一种启发式局部搜索的基础上应用增量，局部最优修改的基因组图。使用模拟数据，我们表明，我们的方法预测拷贝数和基因邻接合理的准确性。
2015-04-24 cs.CE q-bio.GN
Double trouble: Predicting new variant counts across two heterogeneous populations
本文针对跨异质群体的后续测序研究，提出首个可预测群体间共享新变异及总新变异数量的方法，并证明单群体先进预测器的自然扩展存在根本失效。
2024-03-04 q-bio.GN q-bio.QM stat.ME
A New Statistical Framework for Genetic Pleiotropic Analysis of High Dimensional Phenotype Data
广泛使用的多表型遗传多效性分析通常被设计用于检查常见变体与少数表型之间的关系。它们不适合高维表型和高维基因型（下一代测序）数据。为了克服这些局限性，我们开发了稀疏结构方程模型（SEM）作为一个通用的框架，一个新的范式的遗传分析的多表型。为了将常见和罕见的变体纳入分析，我们将传统的多元SEM扩展到稀疏功能SEM。为了处理高维表型和基因型数据，我们采用函数数据分析和交替方向乘法（ADMM）技术来降低数据维数，提高计算效率。使用大规模的模拟，我们表明，所提出的方法有更高的权力，以检测真正的因果遗传多效性结构比其他现有的方法。仿真结果还表明，基于基因的多效性分析具有更高的权力比基于单一变量的多效性分析。所提出的方法适用于外显子组序列数据从NHLBI外显子组测序计划（ESP）与11个表型，它确定了一个网络与137个基因连接到11个表型和341个边缘。其中，114个基因显示出多效性遗传效应，45个基因被报道与分析中的表型或文献中的其他心血管疾病（CVD）相关表型相关。
2015-12-03 q-bio.GN stat.ME stat.ML
Using Guided Transfer Learning to Predispose AI Agent to Learn Efficiently from Small RNA-sequencing Datasets
针对组学数据高维度小样本量易致过拟合的问题，提出引导式迁移学习（GTL），通过在recount3大规模数据上预训练使AI智能体学习初始参数与归纳偏置，显著提升其在小样本RNA-seq下游及少样本任务上的表现。
2023-11-17 q-bio.GN
Objectively Evaluating the Reliability of Cell Type Annotation Using LLM-Based Strategies
针对单细胞RNA测序中细胞类型注释可靠性不足的问题，提出基于多模型融合与“talk-to-machine”策略的LICT软件包，建立了客观评估标准，显著提升了注释可靠性。
2024-09-24 q-bio.GN q-bio.QM
Beyond the exome: what's next in diagnostic testing for Mendelian conditions
本文针对超过50%孟德尔病患者在ES后仍无分子诊断的难题，系统分析了检测阴性原因，并为非遗传学专业人员提供了ES之后进一步诊断检测的决策框架和转诊指南。
2023-01-18 q-bio.GN
Adversarial Domain Adaptation Enables Knowledge Transfer Across Heterogeneous RNA-Seq Datasets
IBISC Laboratory（IBISC实验室）；University Paris-Saclay (Univ. Evry)（巴黎萨克雷大学（欧韦尔大学））；France（法国）
本研究提出基于深度学习的域适应框架，通过跨异构RNA-seq数据集实现有效知识转移，提升癌症类型分类的准确性，尤其在低数据场景下表现更优。
2026-03-09 cs.LG q-bio.GN
SHIFT: Survival Prediction from Incomplete and Heterogeneous Genomic Data
Technical University of Munich (TUM)（慕尼黑技术大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）；School of Medicine and Health Technical University of Munich (TUM)（医学与健康学院慕尼黑技术大学）；Department of Radiation Oncology TUM University Hospital（放射肿瘤科TUM大学医院）；Chair for AI in Healthcare and Medicine Technical University of Munich (TUM)（医疗与医学人工智能系慕尼黑技术大学）；Department of Pathology School of Medicine Department of Biomedical Engineering School of Engineering University of California Irvine（病理学系医学院生物医学工程系工程学院加州大学伊文斯顿分校）
研究针对基因组预测模型跨机构转移问题，提出SHIFT模型，通过分别表示基因组特征、利用掩码自注意力等方法，直接从不完整输入预测，在多队列实验中展现强泛化能力且优于其他方法，支持缺失感知建模用于多中心生存预测。
2026-07-10 cs.AI cs.LG q-bio.GN
Fast genomic optical map assembly algorithm using binary representation
降低下一代测序技术提供的基因组测序成本，大大增加了基因组项目的数量。因此，越来越需要更好的组装和组装验证方法。一个很有前途的想法是在装配项目中使用异构数据。光学作图（OM）在验证基因组组装、校正和支架方面是有益的。单个原始OM读数描述了DNA分子的长片段，高达1 Mbp。来自相同基因组的原始OM数据可以被组装以创建跨越整个染色体的共有图谱。由于输入数据中存在大量错误，组装过程在计算上很困难。这项工作描述了一种新的算法和计算机程序，组装OM读取没有参考基因组。在我们的算法中，我们探索了基因组图谱的二进制表示。我们专注于数据结构和算法的效率以及并行平台上的规模。该算法由几个步骤组成，其中最重要的是：（1）限制性图谱转换为二进制字符串，（2）限制性图谱之间的重叠检测，（3）确定限制性图谱集的布局，（4）创建共有基因组图谱。我们的算法处理光学映射数据与低错误水平，但与高级别的错误读取失败。我们为Python语言开发了一个软件库、控制台应用程序和模块。在本文中提出的方法被证明是比动态规划方法更快，并执行良好的无错误的数据。它可以用作\textit{de~novo}组装管道的一个步骤或检测错误组装。该软件在GNU LGPL v3许可证下的公共存储库中免费提供（https：//sourceforge.net/p/binary-genome-maps/code）。
2022-10-13 cs.CE q-bio.GN
LA-MARRVEL: A Knowledge-Grounded, Language-Aware LLM Framework for Clinically Robust Rare Disease Gene Prioritization
Baylor College of Medicine（贝勒医学院）；Jan and Dan Duncan Neurological Research Institute（Jan和Dan Duncan神经研究 institutes）；Texas Children’s Hospital（德克萨斯儿童医院）；Quantitative and Computational Biosciences program（定量与计算生物科学项目）
LA-MARRVEL通过基于知识和语言感知的LLM框架，提升罕见病基因优先级排序的准确性和临床实用性。
2026-03-05 cs.AI q-bio.GN
