XGBoost-SHAP框架优先排序非编码变异
热点事件持续更新
XGBoost-SHAP框架优先排序非编码变异
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Kelly A. Frazer等提出并评估了一套整合单核染色质可及性与XGBoost-SHAP的非编码变异优先排序框架，用于在特定发育背景下识别非线性调控关系。 研究团队从7个诱导多能干细胞来源的胰腺祖细胞样本中生成单核ATAC-seq数据，鉴定出93,803个落在开放染色质区域的杂合SNP，并用二项检验量化每个变异的等位基因特异性效应；模型性能以五折交叉验证及测试、验证SNP集的ROC曲线下面积（AUC）评估。 据该研究，该框架优先识别出胰腺祖细胞中预测影响HNF4A结合基序的低频非编码变异。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 22:00
XGBoost-SHAP 分析优先识别胰腺祖细胞中预测影响 HNF4A 结合基序的低频变异报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- PLOS GeneticsXGBoost-SHAP 分析优先识别胰腺祖细胞中预测影响 HNF4A 结合基序的低频变异
研究团队用 XGBoost-SHAP 框架整合单核 ATAC 数据，优先识别出胰腺祖细胞中预测影响 HNF4A 结合基序的低频非编码变异。他们从 7 个诱导多能干细胞来源的胰腺祖细胞样本中生成单核 ATAC-seq 数据，鉴定出 93,803 个落在开放染色质区域的杂合 SNP，并用二项检验量化每个变异的等位基因特异性效应（ASE）。
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。