对纳米孔测序的适应性采样工具进行全面的基准测试
Lang Yang1, Yanfeng Lin2, Peihan Li1
1Chinese PLA Center for Disease Control and Prevention, Beijing, China.
Genome biology
|September 17, 2025
概括
这项研究对纳米孔适应性采样工具进行了基准测试,发现像MinKNOW这样的核酸对齐策略具有广泛的实用性. 深度学习方法显示高精度的高效的目标丰富和宿主DNA耗尽.
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.
背景情况:
- 适应性采样是实时纳米孔测序的新兴技术.
- 它丰富了目标DNA的读数,同时消耗了不需要的序列.
- 对于读取拒绝存在各种工具,但缺乏最佳性能评估.
研究的目的:
- 评估六个流行的纳米孔适应性采样工具.
- 为特定任务确定最佳策略,如基因丰富和宿主DNA枯竭等.
- 为了比较基于核酸对齐和深度学习的方法.
主要方法:
- 测试了关于物种内基因丰富,物种间基因丰富和宿主DNA枯竭的工具.
- 使用Guppy基调和minimap2读取对齐来评估性能.
- 将传统基于信号的方法与对原始信号的深度学习进行比较.
主要成果:
- 所有测试的工具都增加了目标覆盖深度 (1.50至4.86倍).
- 古皮和minimap2的组合被证明是最佳的阅读分类准确性.
- 在这种策略中,MinKNOW,Readfish和BOSS-RUNS表现出色.
- 深度学习方法在主机耗尽过程中实现了高准确性和速度.
结论:
- 基于核酸对齐的方法对各种目标具有多样性.
- 对于大多数适应性采样场景,MinKNOW是推的工具.
- 对原始信号的深度学习提供了卓越的分类效率和准确性,值得进一步开发.
