文献解读-Processing UMI Datasets at High Accuracy and Efficiency with the Sentieon ctDNA Analysis Pipeline

简介: Sentieon ctDNA分析流程通过创新的算法设计和高效的软件实现,为高深度、大panel的ctDNA测序数据分析提了一个快速而准确的解决方案。它在多个数据集上均展现出优于或等同于现有方法的性能,同时大幅提高了处理速度。这一进展有望推动ctDNA技术在临床肿瘤学中的广泛应用,特别是在早期癌症检测和最小残留病监测等领域。

文献解读-Liquid Biopsy.png

关键词:液体活检;基因检测;变异检测


文献简介

  • 标题(英文):Processing UMI Datasets at High Accuracy and Efficiency with the Sentieon ctDNA Analysis Pipeline
  • 标题(中文):利用 Sentieon ctDNA 分析管道高精度、高效率地处理 UMI 数据集
  • 发表期刊:bioRxiv
  • 作者单位:Sentieon公司等
  • 发表年份:2022
  • 文章地址:https://doi.org/10.1101/2022.06.03.494742

屏幕截图 2024-12-12 090732.png

图1 文献介绍

液体活检技术在识别低频率肿瘤变异和微小残留病监测方面展现出巨大潜力,但同时面临样本量少和低频变异读数稀少的挑战。这些因素使得低频变异难以与测序错误区分,影响检测准确性。为应对这一问题,独特分子标识符(UMIs)技术应运而生,旨在降低错误率并提高变异检测准确性。

尽管目前已有多个支持UMI的ctDNA分析流程,但在准确性和效率方面仍有改进空间。针对这一需求,Sentieon研究组开发了一个创新的综合性ctDNA分析流程。该流程包含比对( Sentieon BWA)、一致性生成(Sentieon Consensus)、变异检测(TNscope)和变异过滤(TNscope-filte)四个核心模块。


测序流程

该流程的核心创新在于其一致性生成模块和变异检测器。一致性生成模块采用复杂的统计模型来处理带有唯一分子标识符(UMI)的测序数据,显著提高了基础准确率。变异检测器TNscope则采用基于单倍型的方法,提高了对低频率变异的检测灵敏度。

F2.large.jpg

图2 模拟和基准测试流程

Sentieon研究组通过多种数据集对该流程进行了全面的基准测试。在模拟数据上,生成带有模拟错误的读段来测试一致性模块,结果发现Sentieon的一致性生成工具错误率比常用工具Fgbio低2个数量级,且Sentieon一致性工具处理相同的输入读段的错误率低于5%。
F3.large.jpg

图3 (A) Sentieon UMI一致性工具和Fgbio的错误率。对于完全不一致的输入读数,Fgbio无法调用一致性碱基(而是在输出中产生'N'碱基)。(B) Sentieon一致性工具报告的一致性碱基质量与相对于真实值的一致性碱基错误率强烈相关

在体外混合样本上,Sentieon流程的F1分数略高于替代流程(Fgbio + Vardict"流程)。

F5.large.jpg

图4 Sentieon ctDNA流程和替代流程在MRD数据集上的准确性

在SEQC2 ctDNA标准数据集上,Sentieon流程的召回率和F1分数均优于BRP分析流程,前者在SEQC2研究中表现最佳。且在8个低等位基因频率(AF)样本中,Sentieon流程的F1分数中位数约为0.92,而BRP流程约为0.88。

F7.large.jpg

图5 (A) 8个Lbx-low数据集的精确度vs召回率;(B) 两个流程的F1分数分布

在10个真实临床最小残留病(MRD)样本上,Sentieon流程也显示出与其他工具相当的检测能力。在224个已知体细胞突变中,Sentieon检测到的阳性变异数量与其他工具相近,同时保持了超过99.5%的特异性。

T3.medium.gif

图6 十个临床样本总共包含224个已知的体细胞突变。显示了它们在原始肿瘤组织中的AF,以及一致性生成前后的深度

F8.large.jpg

图7 比较由三种工具生成的去重复后BAM文件的ctDNA变异检测。上面板:灰色条的高度代表从肿瘤组织测序中预先确定的变异集的大小。在每个灰色条内,绿色/蓝色/橙色条代表在同一样本中检测到的ctDNA变异数量。下面板:所有检测到的ctDNA变异的VAF都低于1%,大多数低于0.25%。

除了准确性,Sentieon流程还表现出显著的速度优势。在一致性生成步骤中,Sentieon工具比Fgbio快约20倍(4,317秒 vs 82,679秒)。对于整个分析流程,即使在其他流程采用并行处理的情况下(Fgbio + Vardict"流程),Sentieon仍然快约10倍。
F9.large.jpg

图8 一致性生成步骤的运行时间比较。Sentieon UMI一致性工具比Fgbio快20倍。B. 整个ctDNA处理流程(包括比对、一致性生成、变异检测和过滤)的运行时间比较。

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。


总结

总的来说,Sentieon ctDNA分析流程通过创新的算法设计和高效的软件实现,为高深度、大panel的ctDNA测序数据分析提了一个快速而准确的解决方案。它在多个数据集上均展现出优于或等同于现有方法的性能,同时大幅提高了处理速度。这一进展有望推动ctDNA技术在临床肿瘤学中的广泛应用,特别是在早期癌症检测和最小残留病监测等领域。

目录
相关文章
|
4月前
|
算法 数据挖掘
文献解读-Prediction of axillary lymph node metastasis in triple-negative breast cancer by multi-omics analysis and an integrated model
研究旨在为三阴性乳腺癌患者提供更准确的腋窝淋巴结转移风险评估工具。研究者综合分析了临床病理信息、基因组和转录组数据,构建了一个多组学预测模型。
73 4
|
6月前
|
机器学习/深度学习 测试技术 算法
文献解读-DNAscope: High accuracy small variant calling using machine learning
在这项研究中,研究组证明了DNAscope在不同样本和不同覆盖度水平下都能达到比DNAseq更高的准确性。使用GA4GH分层区域进行的分层分析,能够确认DNAscope在大多数分层区域中都具有高准确性,并突显了DNAscope在插入缺失(indels)和包含变异检测较困难的基因组区域的分层中具有更高的准确性。DNAscope结合了GATK's HaplotypeCaller中使用的成熟数学和统计模型,以及用于变异基因型分析的机器学习方法,在保持计算效率的同时实现了卓越的准确性。
105 3
文献解读-DNAscope: High accuracy small variant calling using machine learning
|
7月前
|
算法 数据挖掘 数据处理
文献解读-Sentieon DNAscope LongRead – A highly Accurate, Fast, and Efficient Pipeline for Germline Variant Calling from PacBio HiFi reads
PacBio® HiFi 测序是第一种提供经济、高精度长读数测序的技术,其平均读数长度超过 10kb,平均碱基准确率达到 99.8% 。在该研究中,研究者介绍了一种准确、高效的 DNAscope LongRead 管道,用于从 PacBio® HiFi 读数中调用胚系变异。DNAscope LongRead 是对 Sentieon 的 DNAscope 工具的修改和扩展,该工具曾获美国食品药品管理局(FDA)精密变异调用奖。
70 2
文献解读-Sentieon DNAscope LongRead – A highly Accurate, Fast, and Efficient Pipeline for Germline Variant Calling from PacBio HiFi reads
|
7月前
|
机器学习/深度学习 Web App开发 人工智能
轻量级网络论文精度笔(一):《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》这篇论文提出了一种基于YOLOv3-Tiny的轻量级目标检测模型Micro-YOLO,通过渐进式通道剪枝和轻量级卷积层,显著减少了参数数量和计算成本,同时保持了较高的检测性能。
215 2
轻量级网络论文精度笔(一):《Micro-YOLO: Exploring Efficient Methods to Compress CNN based Object Detection Model》
|
人工智能 数据可视化 决策智能
【CAMEL】Communicative Agents for “Mind”Exploration of Large Scale Language Model Society
【CAMEL】Communicative Agents for “Mind”Exploration of Large Scale Language Model Society
408 0
|
自然语言处理 算法 知识图谱
DEGREE: A Data-Efficient Generation-Based Event Extraction Model论文解读
事件抽取需要专家进行高质量的人工标注,这通常很昂贵。因此,学习一个仅用少数标记示例就能训练的数据高效事件抽取模型已成为一个至关重要的挑战。
282 0
|
机器学习/深度学习 移动开发 编解码
【论文阅读】A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation
【论文阅读】A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation
275 0
【论文阅读】A Three-Stage Self-Training Framework for Semi-Supervised Semantic Segmentation
sbs
|
存储 SQL 人工智能
The Volcano Optimizer Generator: Extensibility and Efficient Search 论文翻译
原文:The Volcano Optimizer Generator: Extensibility and Efficient SearchThe Volcano Optimizer Generator: Extensibility and Efficient Search 论文翻译。2023.01.25 —— by zz【中括号内为译者注】对原文部分关键术语,或重点句有加粗。便于定位。为了避免英
sbs
336 0
The Volcano Optimizer Generator: Extensibility and Efficient Search 论文翻译
|
机器学习/深度学习 存储 自然语言处理
Bi-SimCut: A Simple Strategy for Boosting Neural Machine Translation 论文笔记
Bi-SimCut: A Simple Strategy for Boosting Neural Machine Translation 论文笔记
|
Shell 计算机视觉
2022亚太建模A题Feature Extraction of Sequence Images and Modeling Analysis of Mold Flux Melting and Crystallization思路分析
2022 亚太建模A题序列图像的特征提取与建模分析 模具流量的熔融和结晶Feature Extraction of Sequence Images and Modeling Analysis of Mold Flux Melting and Crystallization
2022亚太建模A题Feature Extraction of Sequence Images and Modeling Analysis of Mold Flux Melting and Crystallization思路分析
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等