使用短读和长读的传统和基于人工智能的变量调用器的性能分析
Omar Abdelwahab1,2,3,4, François Belzile1,2,3, Davoud Torkamaneh5,6,7,8
1Département de Phytologie, Université Laval, Québec, Canada.
BMC bioinformatics
|December 15, 2023
概括
基于人工智能 (AI) 的变异调用工具在各种测序技术中优于检测单核酸变异 (SNV) 和插入/删除 (INDEL) 的传统方法. 这项研究提供了各种基因组数据的变异调用最佳实践.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 准确的变异检测对于基因组学研究至关重要,但工具选择具有挑战性.
- 现有的变异调用器主要支持短读数据,而长读技术正在出现.
- 基于人工智能的工具的兴起需要与传统方法进行比较.
研究的目的:
- 评估和比较传统和基于人工智能的变量调用工具.
- 评估短读和长读测序数据的性能.
- 提供关于变种调用最佳实践的指导.
主要方法:
- 评估了五种工具:BCFTools,GATK4,白,DNAscope,以及DeepVariant. 这些工具都被评估了.
- 使用了来自"瓶中的基因组"项目的短读 (Illumina) 和长读 (PacBio HiFi,ONT) 数据.
- 基于精度,计算成本和其他因素进行比较的工具.
主要成果:
- 基于人工智能的工具在SNV和INDEL调用中通常表现优于传统的工具.
- 在Illumina,PacBio HiFi和ONT测序数据中评估了性能.
- 每个工具的详细优点和缺点都被确定并排名.
结论:
- 基于人工智能的变量调用器为SNV和INDEL提供了卓越的性能.
- 该研究提供了使用不同序列数据类型的AI和常规呼叫者的最佳实践.
更多相关视频
09:58Using RNA-sequencing to Detect Novel Splice Variants Related to Drug Resistance in In Vitro Cancer Models
Published on: December 9, 2016
13.7K
04:58Author Spotlight: Investigating the Role of Repetitive DNA Misregulation in Cancer Initiation and Immunotherapy Resistance
Published on: December 13, 2024
2.4K
