利用集合覆盖机从全基因组序列学习可解释的表型模型
基因组学
2014-12-04 v1 计算工程、金融与科学
机器学习
机器学习
摘要
全基因组测序成本的降低激发了其在表型研究中的应用。我们解决了从全基因组学习离散表型可解释模型的问题。我们提出了一种依赖于集合覆盖机（Set Covering Machine）和基因组 k-mer 表示的通用方法。我们展示了该方法在预测重要人类病原体铜绿假单胞菌（Pseudomonas Aeruginosa）对四种抗生素耐药性方面的结果。我们的结果表明，利用该方法可以学习到极其稀疏且具有生物学相关性的模型。
引用
@article{arxiv.1412.1074,
title = {Learning interpretable models of phenotypes from whole genome sequences with the Set Covering Machine},
author = {Alexandre Drouin and Sébastien Giguère and Vladana Sagatovich and Maxime Déraspe and François Laviolette and Mario Marchand and Jacques Corbeil},
journal= {arXiv preprint arXiv:1412.1074},
year = {2014}
}
备注
Presented at Machine Learning in Computational Biology 2014, Montr\'eal, Qu\'ebec, Canada