%A 张舒莹,韩鑫胤,何小雨,袁丹阳,栾海晶,李瑞琳,何佳茵,牛北方 %T 基于机器学习的基因组微卫星状态探测方法综述 %0 Journal Article %D 2021 %J 数据与计算发展前沿 %R 10.11871/jfdc.issn.2096-742X.2021.03.011 %P 126-135 %V 3 %N 3 %U {http://www.jfdc.cnic.cn/CN/abstract/article_130.shtml} %8 2021-06-20 %X

【目的】 探讨机器学习在基因组微卫星状态检测方法中的应用及未来研究方向。【文献范围】 本文收集了微卫星状态检测方法相关文献。【方法】 首先简要介绍微卫星状态检测的意义和常用的检测手段,其次对目前主流的基于机器学习的检测方法进行详细介绍,最后展望未来机器学习在微卫星状态检测领域中的研究方向。【结果】 基于机器学习的检测方法从大量测序数据中迭代学习,获取影响微卫星不稳定性的关键特征,该类检测方法可以取得较好的预测效果。【局限】 检测方法使用的数据类型各异,本文中无法使用同一数据集对各个检测方法进行实验比较。【结论】 机器学习已广泛应用于微卫星状态检测领域,提高检测方法的适用性以及从外周血样本中检测微卫星状态,是机器学习在此领域的未来研究方向。