PredictION: a predictive model to establish the performance of Oxford sequencing reads of SARS-CoV-2.
PredictION: a predictive model to establish the performance of Oxford sequencing reads of SARS-CoV-2.
复制标题
作者：
Valencia-Valencia DE;Lopez-Alvarez D;Rivera-Franco N;Castillo A;Piña JS;Pardo CA;Parra B
发展中国家研究资源的优化迫使我们考虑在湿实验室中允许重复使用分子生物学试剂以降低成本的策略。在这项研究中，我们使用线性回归作为覆盖深度的预测建模方法，给定测序的MinION读数的数量，以定义获得> 200 X覆盖深度所需的最佳读数数量，并具有SARS-CoV-2基因组的良好谱系-进化枝分配。该研究旨在创建和实现一个基于机器学习算法的模型，以预测不同的变量（例如，覆盖深度），以最大化高质量SARS-CoV-2基因组的产量，确定最佳测序运行时间，并且能够在新运行中重复使用具有剩余纳米孔的流动池以用于测序。根据模型的R平方性能指标，最佳精度为-0.98。演示版本可在https://genomicdashboard.herokuapp.com/上获得。
The optimization of resources for research in developing countries forces us to consider strategies in the wet lab that allow the reuse of molecular biology reagents to reduce costs. In this study, we used linear regression as a method for predictive modeling of coverage depth given the number of MinION reads sequenced to define the optimum number of reads necessary to obtain >200X coverage depth with a good lineage-clade assignment of SARS-CoV-2 genomes. The research aimed to create and implement a model based on machine learning algorithms to predict different variables (e.g., coverage depth) given the number of MinION reads produced by Nanopore sequencing to maximize the yield of high-quality SARS-CoV-2 genomes, determine the best sequencing runtime, and to be able to reuse the flow cell with the remaining nanopores available for sequencing in a new run. The best accuracy was −0.98 according to the R squared performance metric of the models. A demo version is available at https://genomicdashboard.herokuapp.com/.
登录
查看更多内容
影响因子：
3.9
作者：
Lambisia AW;Mohammed KS;Makori TO;Ndwiga L;Mburu MW;Morobe JM;Moraa EO;Musyoki J;Murunga N;Mwangi JN;Nokes DJ;Agoti CN;Ochola-Oyier LI;Githinji G
通讯作者：
Githinji G
影响因子：
2.9
作者：
Antonio Bellido-Jimenez, Juan;Estevez Gualda, Javier;Penelope Garcia-Marin, Amanda
通讯作者：
Penelope Garcia-Marin, Amanda
影响因子：
--
作者：
Verbert, Katrien;Govaerts, Sten;Klerkx, Joris
通讯作者：
Klerkx, Joris
影响因子：
3.6
作者：
Koutsandreas, Diamantis;Spiliotis, Evangelos;Assimakopoulos, Vassilios
通讯作者：
Assimakopoulos, Vassilios
利用随机森林回归算法和遥感数据估算小麦生物量
影响因子：
6.6
作者：
Wang, Li'ai;Zhou, Xudong;Guo, Wenshan
通讯作者：
Guo, Wenshan