DANN:利用神经网络算法评估变异位点的有害程度

Posted 2021-04-24 生信修炼手册

欢迎关注"生信修炼手册"！

之前的文章中我们介绍了CADD软件，通过计算变异位点的打分值，来评估变异位点的有害程度。今天介绍的DANN软件，可以看作是CADD的改进版本，改进了预测的算法，效果比CADD有所提高。

CADD软件的核心是支持向量机SVM算法，这个算法在机器学习领域是一个常用的算法之一，对于具有线性关系的特征具有具有较好的性能，但是对于非线性关系的特征，其性能就相对差点。DANN采用了神经网络的算法，更容易捕获非线性关系的特征，所以效果上比CADD要好一点。

DANN相关文献发表在Bioinformatics上，在文章中，利用ROC曲线比较了不同算法之间的性能

左图为利用CADD官方提供的训练数据集的结果，右图为利用ESP和ClinVar数据集的效果，在ROC曲线中，最重要的就是曲线下的面积，叫做AUC, 哪个模型对应的AUC越大，说明这个模型的性能越好。

可以看到，两幅图中，DANN的AUC都比SVM的要大，说明DANN相比CADD确实是性能更好。

DANN软件和数据都保存在以下链接中

https://cbcl.ics.uci.edu/public_data/DANN/

data目录下保存了计算好的DANN score，详细目录如下

DANN_whole_genome_SNVs.tsv.bgz 文件就是计算好的score 值文件，这个文件比较大，有102G, 所以同时提供了tabix 建立好的索引，后缀为starch的文件是完整数据库的一个简略版本，只有26G。

这个文件和CADD score 文件的格式是完全一样的，这里就不赘述了。在实际分析中，我们通常都是利用数据库中提供好的DANN score, 对自己的数据进行一个注释，很少去自己计算DANN score值。所以我们只需要理解DANN score 的含义就可以了，DANN score 的值和CADD  score 是一样的，可以参考之前文章中对CADD score 的说明。