کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6927444 1449286 2018 36 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Accurate filtering of privacy-sensitive information in raw genomic data
ترجمه فارسی عنوان
فیلتر دقیق اطلاعات حساس به حریم خصوصی در داده های ژنومی خام
کلمات کلیدی
فیلتر کردن، داده های ژنومی خام حریم خصوصی،
ترجمه چکیده
توالی هزاران ژنوم انسان باعث پیشرفت در بسیاری از مناطق شده است، از جمله پزشکی دقیق، مطالعه بیماری های نادر و پزشکی قانونی است. با این حال، جمع آوری جرمی از چنین اطلاعات حساس اگر خطرناک نیست به بالاترین استانداردها ریسک بزرگی می شود. در این مقاله، ما موقعیت را دنبال می کنیم و استدلال می کنیم که حفظ حریم خصوصی پس از هماهنگی به اندازه کافی کافی نیست و داده ها باید در محدوده گردش کار ژنومیک به طور اتوماتیک محافظت شوند، بطور ایده آل بلافاصله بعد از تولید داده ها. ما نشان می دهیم که یک رویکرد پیشین برای فیلتر کردن خواندن کوتاه نمی تواند به مدت طولانی خوانده شود و یک رویکرد فیلترینگ جدید ارائه دهد که داده های ژنومی خام (یعنی که مکان و محتوای آن هنوز تعیین نشده است) را به حساس به حریم خصوصی (یعنی بیشتر تحت تأثیر موفق حمله حریم خصوصی) و اطلاعات غیر حساس به حریم خصوصی. چنین طبقه بندی اجازه می دهد تا تنظیمات دقیق و خودکار اقدامات محافظتی را برای کاهش عواقب احتمالی قرار گرفتن در معرض، به ویژه هنگامی که به ابرهای عمومی متکی می شود، فراهم کند. ما اولین فیلمی را ارائه می دهیم که می تواند به صورت غیرمستقیم برای خواندن هر طول استفاده شود، به عنوان مثال، آن را با استفاده از هر تکنولوژی توالی جدید یا آینده قابل استفاده می کند. فیلتر دقیق است، به این معنی که تمام نوکلئوتیدهای حساس شناخته شده را تشخیص می دهد به جز آنهایی که در مناطق بسیار متغیر قرار دارند (کمتر از 10 نوکلئوتید در هر ژنوم به جای 100،000 در کارهای قبلی قابل شناسایی نیستند). این نتایج به مراتب کمتر از روش های شناخته شده قبلی است (10٪ به جای 60٪) و می تواند نوکلئوتیدهای حساس را با وجود اشتباهات توالی (86٪ به جای 56٪ با 2٪ جهش) تشخیص دهد. در نهایت، آزمایش های عملی نشان می دهد که عملکرد بالا، هر دو از نظر مصرف و مصرف حافظه.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
فیلتر دقیق اطلاعات حساس به حریم خصوصی در داده های ژنومی خام
چکیده انگلیسی
Sequencing thousands of human genomes has enabled breakthroughs in many areas, among them precision medicine, the study of rare diseases, and forensics. However, mass collection of such sensitive data entails enormous risks if not protected to the highest standards. In this article, we follow the position and argue that post-alignment privacy is not enough and that data should be automatically protected as early as possible in the genomics workflow, ideally immediately after the data is produced. We show that a previous approach for filtering short reads cannot extend to long reads and present a novel filtering approach that classifies raw genomic data (i.e., whose location and content is not yet determined) into privacy-sensitive (i.e., more affected by a successful privacy attack) and non-privacy-sensitive information. Such a classification allows the fine-grained and automated adjustment of protective measures to mitigate the possible consequences of exposure, in particular when relying on public clouds. We present the first filter that can be indistinctly applied to reads of any length, i.e., making it usable with any recent or future sequencing technologies. The filter is accurate, in the sense that it detects all known sensitive nucleotides except those located in highly variable regions (less than 10 nucleotides remain undetected per genome instead of 100,000 in previous works). It has far less false positives than previously known methods (10% instead of 60%) and can detect sensitive nucleotides despite sequencing errors (86% detected instead of 56% with 2% of mutations). Finally, practical experiments demonstrate high performance, both in terms of throughput and memory consumption.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Biomedical Informatics - Volume 82, June 2018, Pages 1-12
نویسندگان
, , , , ,