Genotype Imputation Using K-Nearest Neighbors and Levenshtein Distance Metric

插补(统计学) Levenshtein距离 系统发育树 缺少数据 系统发育中的距离矩阵 遗传距离 数据挖掘 公制(单位) 人工智能 生物 编辑距离 计算机科学 模式识别(心理学) 遗传学 遗传变异 机器学习 生物信息学 基因 经济 运营管理
作者
Nishkal Hundia,Naveed Kabir,Sweksha Mehta,Abhay Pokhriyal,Zhuo En Chua,Arjun Rajaram,Michael Lutz,Amisha Kumar
标识
DOI:10.1109/ictc55196.2022.9952611
摘要

With several new genome sequencing methods such as Next Generation Sequencing (NGS) and nanopore technologies, there exists a wide range of techniques to explore different genetic variants and their impacts. However, these sequences can become degraded as some genotypes are not detected, leading to missing base pair values. Imputing these gaps in the data is essential to analyze the data properly. Some past studies have shown that certain machine learning models have, to some extent, been able to accurately impute the missing values in genotypes. This paper aims to outline an imputation approach created using the K-Nearest Neighbors algorithm and Levenshtein Distance parameters on the Mus genus. This approach involved imputing randomly masked nucleotide bases in any given gene sequence in Mus musculus by using data of the same genes from similar species in the Phylogenetic tree, namely Mus pahari and Mus caroli. Predictions for the missing spaces were generated by comparing a set number of bases before and after a given sequence of missing nucleotide bases in the target species, Mus musculus, to the same number of bases occurring before and after every possible prediction in the similar species using the Levenshtein distance metric. We found that using our proposed algorithm, we were able to predict over 500,000 individual missing bases in the gene sequences of Mus musculus with accuracies up to 87%. The model maintained an accuracy greater than 80% when all the blank spaces (sequences of consecutive blank spaces) were less than 200 characters long.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
dery完成签到,获得积分10
1秒前
好困应助susu采纳,获得10
2秒前
小白熊应助susu采纳,获得10
2秒前
卡卡完成签到,获得积分10
3秒前
踏雪飞鸿完成签到,获得积分10
5秒前
万能图书馆应助清爽盼秋采纳,获得10
5秒前
知性的水杯完成签到 ,获得积分10
5秒前
Tangyartie完成签到 ,获得积分10
6秒前
落落大方完成签到,获得积分10
7秒前
小蜜蜂完成签到,获得积分10
7秒前
深情安青应助小南子采纳,获得10
7秒前
陈里里完成签到 ,获得积分10
11秒前
忒寒碜完成签到,获得积分10
12秒前
波波完成签到 ,获得积分10
13秒前
13秒前
14秒前
Hrentiken完成签到,获得积分10
17秒前
清爽盼秋发布了新的文献求助10
18秒前
我是老大应助曾无忧采纳,获得10
18秒前
klicking完成签到,获得积分10
20秒前
现实的帽子完成签到,获得积分10
20秒前
搜集达人应助樱桃小饼干采纳,获得10
20秒前
痴情的从雪完成签到,获得积分10
21秒前
天意完成签到,获得积分10
22秒前
hhh完成签到,获得积分10
23秒前
23秒前
36456657应助十七采纳,获得10
24秒前
25秒前
liuchao完成签到,获得积分10
26秒前
zjw完成签到,获得积分10
26秒前
山水完成签到,获得积分10
27秒前
葉鳳怡发布了新的文献求助10
27秒前
30秒前
小小莫完成签到,获得积分10
30秒前
shinysparrow应助newworld采纳,获得100
30秒前
Huimin完成签到,获得积分10
30秒前
30秒前
Harlotte完成签到 ,获得积分10
34秒前
曾无忧发布了新的文献求助10
35秒前
WHUAi完成签到,获得积分10
35秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Barge Mooring (Oilfield Seamanship Series Volume 6) 600
ANSYS Workbench基础教程与实例详解 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3326845
求助须知:如何正确求助?哪些是违规求助? 2957171
关于积分的说明 8583594
捐赠科研通 2635096
什么是DOI,文献DOI怎么找? 1442360
科研通“疑难数据库(出版商)”最低求助积分说明 668210
邀请新用户注册赠送积分活动 655103