Problemă #364
Dificultate
Maximul tău
N/A
Construiește un model care prezice dacă o variantă genetică este patogenă (cauzează boală) sau benignă (inofensivă), pornind de la caracteristicile ei moleculare: scoruri de dăunare, conservare evolutivă, frecvență în populație, tipul mutației, efectul asupra splicing-ului ARN, expresia ARNm și metilarea ADN-ului.
Este o problemă de clasificare binară pe date tabulare.
Informația genetică circulă de la ADN la ARN și apoi la proteină. O variantă este o modificare a secvenței de ADN. Unele variante schimbă proteina sau modul în care ARN-ul este procesat (splicing) și pot provoca boli ereditare. Altele nu au niciun efect. Clasificarea corectă a variantelor este o etapă centrală în diagnosticul genetic, iar modelele de învățare automată sunt folosite tot mai des pentru a o accelera.
| Fișier | Rânduri | Coloane | Conținut |
|---|---|---|---|
train.csv | 1684 | 39 | Variante cu țintă (Pathogenic) |
test.csv | 421 | 38 | Variante fără țintă |
train.csv sunt patogene.| Grup | Coloane | Descriere |
|---|---|---|
| Identificare | VariantID | Identificator unic (UUID). Nu are valoare predictivă. |
| Localizare | Gene, Chromosome | Gena afectată și cromozomul ei |
| Tipul mutației | VariantType, Substitution, Consequence | SNV / inserție / deleție etc.; schimbarea de bază (ex. C>T); efectul (Missense, Nonsense, Frameshift, SpliceSite, Intronic, UTR, Synonymous) |
| Moștenire | InheritancePattern, Zygosity, FamilyHistory | AD / AR / XL; heterozigot / homozigot / hemizigot; istoric familial |
| Secvență ADN | GCContent, OligoLength, MeltingTemp, CpGIsland, RepeatRegion | Conținut GC, lungimea oligo, temperatura de topire (derivată), insulă CpG, regiune repetitivă |
| Frecvență | AllelicFrequency, LogAlleleFrequency, AFGroup | Frecvența alelică în populație (derivate una din alta) |
| Secvențiere | ReadDepth, VariantAlleleFraction, AltReadCount, QualityScore | Adâncime, fracția de citiri cu varianta, citiri alternative (derivată), calitate Phred |
| Scoruri de dăunare | CADDScore, ConservationScore, GranthamScore, SpliceAIScore, AssayActivity | Dăunare prezisă, conservare evolutivă, distanță între aminoacizi, efect asupra splicing-ului ARN, activitate funcțională a proteinei |
| ARN și epigenetică | Transcript_mRNA_Log2TPM, MethylationLevel, NonsenseMediatedDecay | Expresie ARNm, metilare, degradare prin NMD |
| Structură | CodingRegion, LossOfFunction, ProteinDomainHit, SpliceRegion | Indicatori booleeni |
| Context | ClinVarStars, AncestryGroup, SampleType, SequencingPlatform, LabInCharge | Metadate despre probă, laborator și platformă |
Pathogenic:
Un fișier CSV cu exact 421 de rânduri (câte unul pentru fiecare variantă din test.csv) și două coloane: VariantID și Pathogenic (valoarea prezisă, 0 sau 1).
VariantID,Pathogenica1b2c3d4-0000-4000-8000-000000000001,0a1b2c3d4-0000-4000-8000-000000000002,1a1b2c3d4-0000-4000-8000-000000000003,1Scorul este F1 pe clasa patogenă (clasa 1). Metrica penalizează atât variantele patogene ratate, cât și cele marcate greșit ca patogene. Un scor mai mare este mai bun.
train.csv| Gene | Consequence | CADDScore | ConservationScore | AllelicFrequency | Pathogenic |
|---|---|---|---|---|---|
| CFTR | Missense | 8.1 | 4.0 | 0.000027 | 0 |
| SMN1 | Intronic | 32.2 | 1.1 | 0.2504 | 0 |
| APC | Intronic | 35.4 | 8.3 | 0.0506 | 1 |
Observă că o singură coloană nu decide singură clasa: trebuie combinate mai multe semnale.
train.csv pentru antrenare.VariantID ca variabilă predictivă. Este un identificator aleator.LogAlleleFrequency, AFGroup și AllelicFrequency conțin aceeași informație, la fel AltReadCount (= ReadDepth × VariantAlleleFraction) și MeltingTemp. Ține cont de asta la alegerea variabilelor.train.csv.CADDScore, ConservationScore și LossOfFunction.