使用TNscope®中机器学习模型
TNscope®中机器学习模型的目标
TNscope®允许您使用机器学习模型进行变异过滤，以提高结果的准确性。机器学习模型的方法描述在https://www.biorxiv.org/content/early/2018/01/19/250647中，并在TNscope®中使用一系列灵敏设置来检测更多的候选变异，然后通过基于模型的变异过滤。
Sentieon®为您提供基于GIAB多个样本真集训练的机器学习模型https://github.com/genome-in-a-bottle 。
在TNscope®中使用机器学习模型
需要运行三个单独的命令来进行高灵敏设置调用变异，应用机器学习模型，并使用BCFtools设置模型阈值。输入的BAM文件应该进行过比对、去重复和BQSR处理。
sentieon driver -t NUMBER_THREADS -r REFERENCE \ -i TUMOR_DEDUPED_BAM -q TUMOR_RECAL_DATA.TABLE \ -i NORMAL_DEDUPED_BAM -q NORMAL_RECAL_DATA.TABLE \ --algo TNscope --tumor_sample TUMOR --normal_sample NORMAL \ --clip_by_minbq 1 --max_error_per_read 3 --disable_detector sv \ --min_init_tumor_lod 2.0 --min_base_qual 10 --min_base_qual_asm 10 \ --min_tumor_allele_frac 0.00005 TMP_VARIANT_VCF sentieon driver -t NUMBER_THREADS -r REFERENCE --algo TNModelApply \ --model ML_MODEL -v TMP_VARIANT_VCF VARIANT_VCF bcftools filter -s "ML_FAIL" -i "INFO/ML_PROB > $ML_THRESHOLD" VARIANT_VCF \ -O z -m x -o FILTER_VARIANT_VCF
以下是命令所需的输入参数：
NUMBER_THREADS：计算中将使用的线程数。建议不要超过系统中可用的计算核心数。
REFERENCE：参考基因组FASTA文件。请确保参考基因组文件与比对阶段使用的文件相同。
TUMOR_DEDUPED_BAM：经过去重处理的肿瘤样本的BAM文件。
TUMOR_RECAL_DATA.TABLE：肿瘤样本的BQSR结果文件。
NORMAL_DEDUPED_BAM：经过去重处理的正常样本的BAM文件。
NORMAL_RECAL_DATA.TABLE：正常样本的BQSR结果文件。
TUMOR：BAM文件中肿瘤样本的SM标签名称。
NORMAL：BAM文件中正常样本的SM标签名称。
TMP_VARIANT_VCF：TNscope®变异调用输出的临时文件位置和文件名。
VARIANT_VCF：变异调用输出的位置和文件名。将创建相应的索引文件。软件将输出一个压缩的gz文件。
FILTER_VARIANT_VCF：设置最终阈值后的变异调用输出文件名。由于使用了-O z选项，输出文件将是一个bgzip压缩的vcf.gz文件。
ML_MODEL：机器学习模型文件。
$ML_THRESHOLD：根据模型确定变异为真的概率的阈值。建议使用0.81。
Sentieon软件介绍
Sentieon为完整的纯软件基因变异检测二级分析方案，其分析流程完全忠于BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard等金标准的数学模型。在匹配开源流程分析结果的前提下，大幅提升WGS、WES、Panel、UMI、ctDNA、RNA等测序数据的分析效率和检出精度，并匹配目前全部第二代、三代测序平台。
Sentieon软件团队拥有丰富的软件开发及算法优化工程经验，致力于解决生物数据分析中的速度与准确度瓶颈，为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案，共同推动基因技术的发展。
截至2023年3月份，Sentieon已经在全球范围内为1300+用户提供服务，被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用，引用次数超过700篇。此外，Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠，在业内获得广泛认可。
