文献

J-GLOBAL ID：201802262114363182   整理番号：18A0161695

第3世代シークエンシングデータのための配列決定誤差を補正するためのクラウドソーシング法【Powered by NICT】

A crowdsourcing method for correcting sequencing errors for the third-generation sequencing data

著者 (8件)： Geng Yu (School of Electronic and Information Engineering, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Zhao Zhongmeng (School of Electronic and Information Engineering, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Du Zhaofang (School of Electronic and Information Engineering, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Wang Yixuan (School of Management, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Zheng Tian (School of Management, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  He Siyu (School of Electronic and Information Engineering, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Zhang Xuanping (School of Electronic and Information Engineering, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Wang Jiayin (School of Management, Shaanxi Engineering Research Center of Medical and Health Big Data, Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 1626-1633  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 第三世代シークエンシングデータは,リード長,ゲノム解析に利益をもたらす非常にに大きな利点を明らかにした。しかし,第三世代シークエンシングデータは第二世代データがもたらすものとは異なる誤差モデルを意味している。配列決定エラー,下流分析における偽陽性を著しく減らすことが可能なを補正することが示唆された。ハイブリッドは存在する多様性を場合には,既存の誤差補正法は,しばしば精度損失を受けるまたは被覆率が変化した。本論文では,クラウドソーシング戦略に基づく新しい方法,CLTCとして実装を提案した。CLTCは,ハイブリッド補正アルゴリズム,の四段階から成るでもある。第二世代リードは最初に濃縮し,マッピング第三世代リードした。塩基困難レベルは第二世代読み取りそれを被覆の群に基づいて多様性を記述するために定義した。能力は各第二世代読出し,読出しを横切る塩基困難レベル,重複読み取り間の整合性と第二及び第三世代リードの間の写像品質を考慮したに対して評価した。能力の計算のために設計された発見的アルゴリズム。最終的に各塩基対の修正結果を計算するために使用される期待値最大化アルゴリズム。の異なるデータセット上のCLTCを試験し,既存のアプローチと比較した。CLTCは,より高い精度を達成することができ,既存のものよりも速いことを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 品質 ,  塩基対 ,  誤り訂正 ,  *アルゴリズム ,  被覆率 ,  写像
準シソーラス用語： EMアルゴリズム ,  発見的アルゴリズム ,  誤検出 ,  ゲノミクス ,  *クラウドソーシング , 【Automatic Indexing@JST】

分類 (5件)： ディジタル計算機方式一般  (JC02010O) ,  腫ようの診断  (GE03020J) ,  システムプログラミング一般  (JD03010Y) ,  統計的品質管理  (KB04030W) ,  微生物検査法  (EG02020G)

タイトルに関連する用語 (4件)： 世代 ,  シークエンシング ,  誤差 ,  クラウドソーシング