Los estudios de metagenómica, así como los estudios genómicos de especies poliploides como el trigo, se ocupan del análisis de datos de alta variación. Estos datos contienen secuencias de cadenas genéticas similares, pero distintas. Este hecho presenta un obstáculo para el análisis y la investigación. En particular, la detección de errores de instrumentación durante la digitalización de las secuencias puede verse obstaculizada, ya que pueden ser indistinguibles de la verdadera variación biológica dentro de los datos digitales. Esto puede impedir la determinación de las secuencias correctas, al mismo tiempo que dificulta significativamente los estudios de variantes. Este artículo detalla una colección de modelos basados en ML utilizados para distinguir una variante real de una errónea. El enfoque está en utilizar este modelo directamente, pero también se realizan experimentos en combinación con otros predictores que aíslan un grupo de candidatos a error.