Deep-MOTIFs多组学框架用于自闭症风险基因排序
热点事件持续更新
Deep-MOTIFs多组学框架用于自闭症风险基因排序
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队开发并发布 Deep-MOTIFs，一个贝叶斯引导的正样本-未标注深度学习框架，整合遗传、转录组和蛋白互作证据，用于全基因组自闭症谱系障碍（ASD）风险基因优先级排序。作者称，现有罕见变异研究对 ASD 风险基因的检出能力有限，已知基因与估计的遗传结构之间仍有较大缺口。 在留出的 ASD 基因预测、排名靠前候选的优先级排序、正样本利用效率和标签噪声鲁棒性分析中，Deep-MOTIFs 的表现优于现有方法。源代码已在 GitHub 公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 03:30
Deep-MOTIFs：整合多组学深度学习的自闭症风险基因优先级排序框架报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- Briefings in BioinformaticsDeep-MOTIFs：整合多组学深度学习的自闭症风险基因优先级排序框架
研究团队提出 Deep-MOTIFs（Multi-Omics inTegratIon For autiSm），一个由贝叶斯引导的正样本-未标注（positive-unlabeled）深度学习框架，整合遗传、转录组和蛋白互作证据，用于全基因组自闭症谱系障碍（ASD）风险基因优先级排序。作者指出，现有罕见变异研究对 ASD 风险基因的检出能力有限，已知基因与估计的遗传结构之间仍有较大缺口。在留出的 ASD 基因预测、排名靠前候选的优先级排序、正样本利用效率和标签噪声鲁棒性分析中，Deep-MOTIFs 的表现优于现有方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。