用TrioTrain克服养动物深度学习的局限性
Jenna Kalleberg1, Jacob Rissman1, Robert D Schnabel1,2
1University of Missouri, Division of Animal Sciences, Columbia, MO, 65201 USA.
bioRxiv : the preprint server for biology
|April 25, 2024
概括
开发一个多个物种的DeepVariant (DV) 模型可以提高非人类基因组的变异调用准确度. 这种新方法,TrioTrain,降低了门德尔遗传错误 (MIE) 率,克服了人类基因组训练模型的局限性,用于更广泛的基因组应用.
科学领域:
- 基因组学和生物信息学
- 进行比较基因组学.
- 机器学习在生物学中的应用
背景情况:
- 变异调用工具经常假定人类基因组参数,限制了它们在不同物种中的有效性.
- DeepVariant (DV) 显示了变体调用的前景,但其在非人类基因组上的表现尚未完全理解.
- 全面算法的开发需要评估它们对不同物种的影响.
研究的目的:
- 评估人类基因组训练的DeepVariant模型在应用于非人类基因组,特别是牛基因组时的局限性.
- 推出TrioTrain,一个新的多种类深度变异模型,用于改善不同物种的变异调用.
- 为了自动扩展DV对缺乏Genome In A Bottle (GIAB) 资源的物种,并减轻基于集群的障碍.
主要方法:
- 开发了TrioTrain,这是一个多种类的DeepVariant训练方法,使用来自牛,雅克和野牛的三重数据.
- 实现了基于SLURM的集群的区域混合,并删除了孟德尔的不和变体,以抵消不完美的真相标签.
- 在五个阶段训练了30个模型代,评估了人类三组 (HG002) 和牛F1混合基因组的性能.
主要成果:
- 多种类DV模型在GIAB人类三组中获得了SNP F1平均得分>0.990 .
- 第4阶段的牛模型发现了更多的变异,其中孟德尔遗传错误 (MIE) 比HG002.2中的DeepTrio更低.
- 牛F1杂交基因组遗传错误显著减少,平均MIE率为0.03%.
结论:
- 多种类,三元培训产生了强大的变体呼叫模型,展示了专门由人类训练的模型的局限性.
- TrioTrain有效地将DeepVariant扩展到没有GIAB资源的物种,提高了其在比较基因组学中的适用性.
- 开发的模型显著提高了变异调用精度,并减少了非人类基因组的遗传错误.
