SiNPle, Fast and Sensitive Variant Calling for Deep Sequencing Data
Este documento propone un software rp̀ido y efectivo para la deteccin̤ de variantes llamado SiNPle (Simplified Inference of Novel Polymorphisms from Large coveragE). El software se basa en el enfoque Bayesiano para computar la probabilidad de que una variante no sea generada por errores de secuencia...
Saved in:
| Andre forfattere: | , , , , , |
|---|---|
| Format: | Bog |
| Sprog: | engelsk |
| Fag: | |
| Online adgang: | SiNPle, Fast and Sensitive Variant Calling for Deep Sequencing Data |
| Tags: |
Tilføj Tag
Ingen Tags, Vær først til at tagge denne postø!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro14934 | ||
| 005 | 20201223000000.0 | ||
| 008 | 190831s2019 ck # g## #001 0#eng#d | ||
| 020 | |||
| 022 | |a 2073-4425 | ||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a eng | |
| 245 | 1 | 0 | |a SiNPle, Fast and Sensitive Variant Calling for Deep Sequencing Data |
| 246 | |a SiNPle: Deteccin̤ rp̀ida y sensible de variantes para datos de secuenciacin̤ profunda | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2019 | ||
| 520 | 3 | |a Este documento propone un software rp̀ido y efectivo para la deteccin̤ de variantes llamado SiNPle (Simplified Inference of Novel Polymorphisms from Large coveragE). El software se basa en el enfoque Bayesiano para computar la probabilidad de que una variante no sea generada por errores de secuenciacin̤ o por equipos de PCR. El modelo Bayesiano toma en consideracin̤ las cualidades individuales de las bases, as ̕como su distribucin̤, el margen de error de la ln̕ea de bases tanto en la fase de secuenciacin̤ como de PCR, la distribucin̤ previa de frecuencias de las variantes y sus varamientos. Este enfoque lleva a un cl̀culo aproximado pero extremadamente rp̀ido de las probabilidades posteriores incluso para datos de cobertura muy alta, ya que la expresin̤ para la distribucin̤ posterior es una fr̤mula analt̕ica simple en třminos de estads̕ticas resumidas para las variantes que aparecen en cada sitio en el genoma. Dichas estads̕ticas pueden usarse para filtrar SNPs putativos e indels segn͠ el nivel de sensibilidad requerido. | |
| 650 | \ | \ | |a Biologa̕ molecular |
| 650 | \ | \ | |a Ingeniera̕ de software |
| 650 | \ | \ | |a Molecular biology |
| 650 | \ | \ | |a Software engineering |
| 650 | \ | \ | |a Secuenciacin̤ de nueva generacin̤ |
| 650 | \ | \ | |a Variantes de baja frecuencia |
| 650 | \ | \ | |a Poblaciones heterl̤ogas |
| 650 | \ | \ | |a Modelo Bayesiano |
| 650 | \ | \ | |a Next generation sequencing |
| 650 | \ | \ | |a Low-frequency variants |
| 650 | \ | \ | |a Heterogeneous populations |
| 650 | \ | \ | |a Bayesian modelling |
| 700 | \ | \ | |a Ferretti Luca |
| 700 | \ | \ | |a Tennakoon Chandana |
| 700 | \ | \ | |a Silesian Adrian |
| 700 | \ | \ | |a Freimanis Graham |
| 700 | \ | \ | |a Ribeca Paolo |
| 700 | \ | \ | |a MDPI |
| 856 | |z SiNPle, Fast and Sensitive Variant Calling for Deep Sequencing Data |u https://virtualpro.unach.elogim.com/biblioteca/sinple-deteccion-rapida-y-sensible-de-variantes-para-datos-de-secuenciacion-profunda | ||