SNVerGUI: a desktop tool for variant analysis of next-generation sequencing data
Notice bibliographique
Résumé
BACKGROUND: Advances in next generation sequencing (NGS) technology have made it possible to interrogate comprehensively genome-wide genetic variations. However, most existing tools for variation detection are based on command-line interface, which discourages the main end users of NGS data, such as biologists, geneticists and clinicians, from utilising the software. METHOD AND RESULTS: We have developed the SNVerGUI, a graphical user interface (GUI) based tool for variant detection and analysis. Compared with other methods for variant calling, our approach is unique in that it is applicable to both individual and pooled sequencing data. With friendly GUI, end users can easily adjust running parameters to optimise variant calling for their specific needs. SNVerGUI supports commonly used input and output file formats that allows SNVerGUI to be seamlessly integrated into common NGS data analysis pipelines. SNVerGUI is implemented in Java, which is platform-independent and therefore easy to install and run on the commonly used operating systems, such as Linux, Mac, and Windows. Using two real datasets, we have shown that SNVerGUI is capable of analysing very high volume NGS data in a feasible time on personal computers. CONCLUSIONS: SNVerGUI is a fast and easy desktop GUI tool for the identification of genomic variants from pooled sequencing and individual sequencing data. Using this software, users can perform sophisticated variant detection by simply configuring several parameters in a friendly graphical user interface. SNVerGUI makes variant analysis as simple and effortless as possible, and we expect it to become popular among geneticists, clinicians, and biologists. SNVerGUI can be freely downloaded from http://snver.sourceforge.net/snvergui/, and will be continuously updated upon users' feedback.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,027 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».