Sentieon发布RNAseq加速分析方案

简介: Sentieon发布RNAseq加速分析方案

RNAseq,即通过高通量测序技术进行转录组测序分析技术,作为研究RNA的表达水平以及表达差异基因的应用,在过去的十几年内迅速发展。而今,RNAseq在转录本变异检测,基因融合检测,可变剪切检测等场景均有大规模的应用。转录本变异检测,是指通过比较样本RNA序列和参考基因组对应序列,来寻找单碱基多态性和小片段的插入缺失,其结果大多用于治病位点的判断或性状相关的研究。融合基因是指两个或多个基因首尾相连,置于同一套调控序列控制之下,构成的嵌合基因,其表达产物为融合蛋白。在某些癌症中,融合基因的检测成为了重要的检测指标。


在数据分析方面,经过多年的探索与沉淀,业界针对不同的RNAseq应用逐渐产生了相应的主流分析方案。其中STAR作为一款经典的比对软件,在科研与临床的RNA测序数据分析中有着广泛的应用。相较于同样经典的Tophat2与HISAT2,STAR拥有更高的uniq mapping比例,且对lower-quality(包括more soft-clipped和错配碱基)比对有较高的容忍度,适用于更加复杂的分析需求,因此STAR成为Broad Institute RNA分析流程的最佳实践金标准。除此以外,还有包含了变异检测,定量分析,融合检测等其他分析模块共同被使用。


开源软件的一大问题就是速度较慢,耗时长。为克服这个问题,Sentieon开发了对应的加速模块,包括了比对步骤的Sentieon STAR、去重模块、处理RNA junction的模块和变异检测模块,以期缩短分析流程的耗时。



RNA变异检测


RNA变异(SNP和Indel)检测的重要性正在逐步被大家所认可。相比于DNA变异,RNA的变异对于异常蛋白的生成有着更加直接的意义,因此在临床上的应用也开始被大家所接受。相对的,加速分析的重要性也在凸显,因为这直接关系到受试者能否及时得到准确的检测结果。


与DNA变异检测类似,RNA的变异检测流程同样遵循业界的金标准GATK流程,包括了STAR比对,去重,RNA split的处理,Indel重比对(可选),BQSR,以及最终的变异检测等多个步骤。在本次的流程搭建中,我们利用Sentieon最新开发的STAR加速模块,与其他可用加速模块一起,完成了全流程的RNA变异检测流程的搭建工作。



我们选取了2个RNAseq样本进行性能测试,运行包括原版STAR(2.7.8a版本)与GATK(4.2.0版本)在内的最佳实践流程,赋予同样的线程数再次运行搭建好的Sentieon流程,随后进行速度和一致性的比对。速度方面Sentieon各个模块的提速均比较明显,两个样本全流程的提速分别在6.6倍和23.9倍。两个流程的一致性在98.6-98.8%左右主要区别来自于GATK版本号的不匹配。



RNA定量+基因融合


基因定量方面,我们使用SIRV样本作为测试样本。SIRV基因是Lexogen公司人工合成的7个基因,每个基因有多条转录本,共69个转录本,可用以检测可变剪切事件,并作定量内参使用。在这些转录本数据中我们选取了不同起始摩尔量的20个样本,分别使用原版STAR以及Sentieon STAR比对之后,使用Cufflinks2进行定量。我们共定量了155344个转录本,Sentieon与STAR流程的定量结果完全一致。由于这些样本的数据量较小(每个RNAseq样本8.9G左右,捕获样本数据1.3G左右),STAR在定量流程中所占比重也不太大,因此提速效果不是特别明显。


另外我们做了基因融合流程的搭建与检测,使用的参考标准品 (Seraseq FFPE NTRK fusion) 中包含了16个确定的基因融合事件,按照不同的比例与阴性样本混合之后生成5个样本(目标丰度0.23%-50%)作为评测样本。流程方面,我们测试了Sentieon STAR替换原版STAR进行测试,同时与Fusioncatcher进行比对。从结果来看,由于测试的STAR-Fusion中的STAR版本 (2.7.2b)与Sentieon STAR的匹配版本(2.7.8a)不同,两个流程的检出率与特异性也略有差异,总的来说Sentieon流程在PPV上有较好的表现,但在Sensitivity上略低。



方案总结


      在本次方案合作中,Sentieon提供模块组件,福君团队搭建并测试了RNA变异检测流程,纳昂达团队负责了RNA定量与基因融合的相关部分。经过真实数据的评测,我们通过数据展示了Sentieon流程在RNAseq的三项不同应用之中的性能提升,希望能够为业界选择合适的RNAseq分析流程提供参考。


 


软件试用:Sentieon基因数据分析加速软件 -官方试用下载 (insvast.com)

目录
相关文章
|
3月前
大规模、动态语音增强/分离新基准!清华发布移动音源仿真平台SonicSim,含950+小时训练数据
清华大学研究团队推出SonicSim,一款专为语音增强和分离技术设计的移动音源仿真平台。它基于Habitat-sim开发,能生成高度可定制的合成数据,涵盖多个层次的调整选项,有效解决了现有数据集在数量和多样性上的不足。SonicSim不仅提升了模型训练和评估的真实性和全面性,还通过构建SonicSet基准数据集,进一步推动了该领域的研究进展。
93 20
|
10月前
|
人工智能 前端开发 PyTorch
AI加速引擎PAI-TorchAcc:整体介绍与性能概述
PAI-TorchAcc(Torch Accelerator)是阿里云人工智能平台PAI开发的Pytorch上的大模型训练加速框架。PAI-TorchAcc提供了一套基于Pytorch的简洁、易用的接口,无需进行模型转换就可以无缝地接入HuggingFace上的模型,并用多种分布式策略进行训练加速。本文详细介绍PAI-TorchAcc的产品能力与性能。
|
10月前
|
Linux API 开发者
元象大模型开源30款量化版本 加速低成本部署丨附教程
元象大模型一次性发布30款量化版本,全开源,无条件免费商用。
|
存储 人工智能 运维
悦数图数据库v3.5.0发布:查询性能大幅提升,为智能决策和 AI 大模型应用提速
近日,悦数图数据库最新版本(v3.5.0)正式发布,进一步强化数据库内核的查询性能和稳定性,同时全面升级了自带的可视化探索和运维管理工具「悦数图探索」和「悦数运维监控」,全面提升用户体验。
悦数图数据库v3.5.0发布:查询性能大幅提升,为智能决策和 AI 大模型应用提速
|
机器学习/深度学习 算法 数据挖掘
Sentieon DNAscope:适配多测序平台数据的快速精准分析流程
Sentieon DNAscope:适配多测序平台数据的快速精准分析流程
271 0
Apache Doris 2.0.0 版本正式发布:盲测性能 10 倍提升,更统一多样的极速分析体验
亲爱的社区小伙伴们,我们很高兴地向大家宣布,Apache Doris 2.0.0 版本已于 2023 年 8 月 11 日正式发布,有超过 275 位贡献者为 Apache Doris 提交了超过 4100 个优化与修复。
|
存储 监控 安全
时刻为创新提速|阿里云多款核心产品能力全面升级
5月17日上午,主题为“智在江苏,为创新提速”的2023阿里云峰会在常州市召开。
420 0
时刻为创新提速|阿里云多款核心产品能力全面升级
|
机器学习/深度学习 人工智能 运维
用ML提前预测磁盘故障、智能诊断部署,MSRA在云端将AIOps玩出高度
用ML提前预测磁盘故障、智能诊断部署,MSRA在云端将AIOps玩出高度
279 0
|
算法 数据安全/隐私保护 计算机视觉
超实用开发加速工具收集,分享给你吧~(一)
超实用开发加速工具收集,分享给你吧~
超实用开发加速工具收集,分享给你吧~(一)
|
Web App开发 缓存 API
超实用开发加速工具收集,分享给你吧~(二)
超实用开发加速工具收集,分享给你吧~
超实用开发加速工具收集,分享给你吧~(二)