遗传算法优化的 BP 神经网络拷贝数变异检测
遗传算法优化的 BP 神经网络拷贝数变异检测拷贝数变异是一种主要的基因组结构变异形式，会导致基因组区域中出现大小不等的扩增或缺失。针对现有拷贝数变异检测算法受 GC 含量偏差、测序误差等因素影响而导致检测能力低的问题，提出了一种基于遗传算法优化的 BP 神经网络拷贝数变异检测算法。该算法充分考虑基因组相邻位置之间的内在相关性，融合多个特征，并使用 BP 神经网络解决各个特征之间的联合作用以预测 CNV；针对现有的 BP 神经网络模型存在的问题，利用遗传算法优化 BP 神经网络的权值和阈值，以提高该算法的 CNV 检测性能。实验结果表明，该算法对不同测序覆盖深度和肿瘤纯度共 300 个样本的平均检测灵敏度、平均检测精度和平均 F1 评分分别为 97.27%、97.78%和 97.53%，均优于其他几种算法，且能够显著降低样本边界偏差值。
页:
[1]