ReQuant:改进了基调修改,通过 k-mer 值赋值调用

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.
• 分子生物学分子生物学

背景情况:

• 纳米孔测序检测直接从原始电信号中检测到DNA基基修饰.
• 目前的方法,包括深度学习 (DL),需要为所有序列环境提供广泛的训练数据,这往往是不切实际的.
• 由于数据的局限性,研究主要集中在CpG环境中的5-甲基细胞素 (5mC).

研究的目的:

• 开发一种新的算法ReQuant,用于从有限的训练数据中归因DNA修饰模型.
• 为了能够准确地识别纳米孔测序数据中的各种基因修改,即使在未代表的序列环境中.
• 克服现有方法的局限性,需要全面的培训数据集.

主要方法:

• 开发了ReQuant,这是一种算法,可以从稀疏的k-mer上下文训练数据中赋予完整的,基于k-mer的修改模型.
• 应用ReQuant到Lambda Phage R9和人类R10纳米孔测序数据.
• 评估CpG/GpC甲基化和CpG葡萄糖化的归算准确性.

主要成果:

• 在调用调用修改中,ReQuant证明了高准确度,使用所有可能的6mers的≤25%进行训练.
• 该算法成功地对不同的纳米孔测序数据 (R9和R10) 进行了概括.
• 展示了DNA修饰对纳米孔电流信号的一致和可预测的影响.

结论:

• ReQuant有效地归因于DNA修饰模型,规避了修饰特定DL工具的需要.
• 这种方法使得即使所有序列上下文都不可用,也可以调用基调修改.
• 这项工作显著扩大了使用纳米孔技术进行基改研究的范围.