跳到正文
原文
bioRxiv 预印本· Kohleick, L., Herzog, K., Beuchel, C., Zoodsma, M., Langenberg, C., Wild, B., Pietzner, M. ·· 17 小时前AI 评分30

领域信息驱动的效应基因赋值揭示GWAS药物靶点优先级排序对训练数据的依赖

Domain-informed effector gene assignment exposes training-data dependence of drug target prioritisation from GWAS

AI 导读

一项bioRxiv预印本研究提出DEFA框架,按不同生物学领域训练五个效应基因赋值模型,发现同一方法跨领域性能从AUPRC 0.91降至0.46,差异源于模型对变异-基因距离的权重不同(p<5.3x10-123)。五个模型仅共享17.1%至31.8%的赋值结果,对340个已获批药物靶点的回收率各异,合并全部模型可回收52.1%,高于平均打分(38.8%)或联合训练(36.5%)。

来源:bioRxiv 预印本 · biorxiv.org