CADD v1.6：引入新模型及性能提升.pdfVIP

CADDv1.6

开发版本

为什么需要新的模型？

的一些研究表明，剪接变异在调控中的作用，并指出通用的变异评分框架

（如CADD）在评估这些变异时表现不佳。在此，我们添加了最近的深度学习框

架，用于预测剪接，分别是MMSplice(Cheng等人,GenomeBiology,2019)和

SpliceAI(Jaganathan等人,Cell,2019)，以改进我们的模型。

还有什么变化？

我们修复了前几个版本（v1.4和v1.5）中的一个错误，即对于具有多个注释的变异（例

如，一个的上游和另一个的外显子中），在高度保守区域中会使用非外显子

进行评分计算。这导致得分被且未充分利用可用的编码注释。此外，

我们的合作者注意到我们在GRCh38GERP评分计算中存在一个由于某些上的

整数溢出而引起的错误。我们还更新了Ensembl注释构建，并修复了选定注释中的偏

差错误（详见补充材料1）。

模型训练参数

我们以与上一版本相同的方式训练了这两个模型。使用的逻辑回归采用