Computerplattform für Deep-Learning-Analysen von Humangenomikdaten
2020
Max Delbrueck Center for Molecular Medicine, Berlin, Deutschland
Deep-Learning-Methoden sind computergestützte Methoden, die datengesteuert Wissen aus großen Datensätzen extrahieren und zur Beantwortung einer Vielzahl biologischer Fragen einsetzen. Leider sind die meisten Deep-Learning-Methoden nicht flexibel genug, um sich an neue Daten anzupassen und neue Hypothesen zu testen. In der vorliegenden Studie wollten die Forscher dieses Problem mit einem flexibleren Ansatz angehen, indem sie die Vorverarbeitung und die Datensatzspezifikation vom Modellierungsteil trennten. Die Forscher entwickelten Janggu, eine Bibliothek in der Programmiersprache Python, die Deep Learning für Genomanwendungen erleichtert und die Datenerfassung und Modellbewertung vereinfachen soll. Janggu enthält Datensatzobjekte, die die Extraktion und Umwandlung von Informationen aus einer Reihe von häufig verwendeten Dateitypen verwalten. Darüber hinaus sind diese Datensatzobjekte direkt mit gängigen und veröffentlichten Deep-Learning-Bibliotheken kompatibel, was wiederum den Aufwand für die Softwareentwicklung reduziert. Schließlich können die Ergebnisse der Genomikmodellierung visualisiert und in gängige Formate exportiert werden. Die Forscher validierten dann die Verwendung von Janggu an Datensätzen, die von verschiedenen Arten menschlicher Zellen stammen. Das Janggu-Tool ist leicht anwendbar und flexibel, um eine Reihe von Fragen zu beantworten, so dass sich die Nutzer effektiver auf die Prüfung biologischer Hypothesen konzentrieren können.
Deep learning for genomics using Janggu
Wolfgang Kopp, Altuna Akalin
Eingestellt am: 20.12.2021
[1] https://www.nature.com/articles/s41467-020-17155-y
