iMOKA: k-mer based software to analyze large collections of sequencing data.
iMOKA: k-mer based software to analyze large collections of sequencing data.
复制标题
iMOKA：基于k-mer的软件，用于分析大量测序数据。
DOI：
10.1186/s13059-020-02165-2
复制
发表时间：
2020-10-13
期刊：
影响因子：
12.3
通讯作者：
Ritchie W
中科院分区：
文献类型：
--
作者：
Lorenzi C;Barriere S;Villemin JP;Dejardin Bretones L;Mancheron A;Ritchie W
iMOKA（交互式多目标 k-mer 分析）是一款软件，可以对大型队列的测序数据进行综合分析，以生成稳健的分类模型或探索与疾病病因相关的特定遗传元素。 iMOKA 使用快速准确的特征缩减步骤，结合了由自适应熵滤波器和基于图的滤波器增强的朴素贝叶斯分类器，以快速缩减搜索空间。通过使用灵活的文件格式和分布式索引，iMOKA 可以轻松集成来自多个实验的数据，还可以减少磁盘空间需求并识别转录水平和单核苷酸变异的变化。 iMOKA 可在 https://github.com/RitchieLabIGH/iMOKA 和 Zenodo 10.5281/zenodo.4008947 上获取。
iMOKA (interactive multi-objective k-mer analysis) is a software that enables comprehensive analysis of sequencing data from large cohorts to generate robust classification models or explore specific genetic elements associated with disease etiology. iMOKA uses a fast and accurate feature reduction step that combines a Naïve Bayes classifier augmented by an adaptive entropy filter and a graph-based filter to rapidly reduce the search space. By using a flexible file format and distributed indexing, iMOKA can easily integrate data from multiple experiments and also reduces disk space requirements and identifies changes in transcript levels and single nucleotide variants. iMOKA is available at https://github.com/RitchieLabIGH/iMOKA and Zenodo 10.5281/zenodo.4008947.
登录
查看更多内容
实现癌症基因组数据的共同愿景。
DOI：
10.1056/nejmp1607591
发表时间：
2016-09-22
期刊：
The New England journal of medicine
影响因子：
--
作者：
Grossman RL;Heath AP;Ferretti V;Varmus HE;Lowy DR;Kibbe WA;Staudt LM
通讯作者：
Staudt LM
影响因子：
4.4
作者：
Drouin A;Giguère S;Déraspe M;Marchand M;Tyers M;Loo VG;Bourgault AM;Laviolette F;Corbeil J
通讯作者：
Corbeil J
影响因子：
2.7
作者：
Bastien RR;Rodríguez-Lescure Á;Ebbert MT;Prat A;Munárriz B;Rowe L;Miller P;Ruiz-Borrego M;Anderson D;Lyons B;Álvarez I;Dowell T;Wall D;Seguí MÁ;Barley L;Boucher KM;Alba E;Pappas L;Davis CA;Aranda I;Fauron C;Stijleman IJ;Palacios J;Antón A;Carrasco E;Caballero R;Ellis MJ;Nielsen TO;Perou CM;Astill M;Bernard PS;Martín M
通讯作者：
Martín M
影响因子：
11.5
作者：
Learn, CA;Hartzell, TL;Sampson, JH
通讯作者：
Sampson, JH
影响因子：
4.8
作者：
Agarwal, Nitin K.;Qu, Changju;Vega, Francisco
通讯作者：
Vega, Francisco