Sentieon 应用教程 | 使用CNVscope进行CNV检测分析

简介: CNVscope是Sentieon推出的一款基于机器学习的全基因组CNV分析检测模块。该模块主要用于检测大于5kb的拷贝数增加或缺失,方法是通过分析reads的深度信息,并结合断点检测等其他特征进行拷贝数判断。

背景介绍

CNV检测已成为全基因组分析的常规内容,并显著提升了阳性诊断率。然而,由于实验室水平和所使用软件的差异,目前仍难以全面、准确地覆盖CNV的检测与细节分析。尤其在数据分析环节,目前尚无开源软件能够在性能优越的同时,全面解决这一问题。以流行的CNVnator为例,这是一款基于Read Depth(RD)原理的拷贝数变异检测软件,主要用于全基因组数据分析。CNVnator不仅能在人群中进行拷贝数变异检测和基因分型,还能根据需求鉴定一些非典型CNV。

微信图片_20240830180121.jpg

总体而言,CNVnator具备较高的灵敏度、较低的错误发现率、并且其断点检测分辨率较高。然而,作为一款经典软件,CNVnator在应对现今多平台测序数据和新一代参考基因组等最新数据类型时,已表现出一定的局限性。

1.适用场景

CNVscope是Sentieon推出的一款基于机器学习的全基因组CNV分析检测模块。该模块主要用于检测大于5kb的拷贝数增加或缺失,方法是通过分析reads的深度信息,并结合断点检测等其他特征进行拷贝数判断。

2.环境必备

3.分析流程

运行两个独立的命令来进行 CNV 检测和应用机器学习模型。输入的BAM文件应该来自已经完成比对和去重复的流程。

sentieon driver -t NUMBER_THREADS -r REFERENCE -i DEDUPED_BAM \ --algo CNVscope --model SentieonIlluminaWGS2.2.bundle/cnv.model TMP_VARIANT_VCF

sentieon driver -t NUMBER_THREADS -r REFERENCE --algo CNVModelApply \ --model SentieonIlluminaWGS2.2.bundle/cnv.model -v TMP_VARIANT_VCF VARIANT_VCF

注意:使用同一个模型进行CNVscope和CNVModelApply操作很重要,如果使用不同的模型,CNVModelApply计算会报错。

4.参数说明

以下是输入参数说明:

  • NUMBER_THREADS:计算中将使用的计算机线程数。我们建议该数量不要超过您系统中可用的计算核心数。
  • REFERENCE:参考FASTA文件的位置。您应确保该参考与映射阶段使用的参考相同。
  • DEDUPED_BAM:输入BAM文件的位置。
  • TMP_VARIANT_VCF:CNVscope变异调用输出的位置和文件名。这是一个临时文件。
  • VARIANT_VCF:变异调用输出的位置和文件名。将创建一个相应的索引文件。该工具将使用.gz扩展名输出压缩文件。

5.结果说明

最终输出的VCF文件使用CN注释来表示CNVscope机器学习模型调用的每个区域的拷贝数状态。CNVscope调用的可能拷贝数状态从0到4,其中CN=4表示拷贝数状态等于或大于4。

附录:研发细节

在CNVscope的开发过程中,建立新一代的CNV真集用于训练和测试是最为关键的一步。目前常用的CNV真值集主要来自GIAB的HG002项目和千人基因组计划。然而,由于这些真值集依赖于早期的短读长技术,特别是在低复杂度区域的准确性存在一定问题。

随着测序技术的进步,尤其是长读长测序的发展,使得染色体级别的全基因组组装成为可能。例如,HG002 T2T(端到端)联盟最近宣布完成了HG002所有46条染色体的完整组装,使得样本的结构变异(SV)表征更加准确。同样,Human Pangenome Reference Consortium(人类泛基因组参考联盟)也发布了多个高质量的组装结果,为业内研究者开发最新的分析工具提供了基础。

Sentieon团队在此次开发中,主要采用了最新的HG002 T2T真集以及泛基因组项目中的15个样本。这些真集利用了第三代测序数据,大大提升了结构变异检测的准确性。我们从这些真集中提取了超过5kb的DUP(重复)和DEL(缺失)变异,作为CNVscope开发的真集数据。其中,11个图形基因组样本作为训练集,其余4个样本和T2T数据作为测试集。所有数据均来自约30x深度的全基因组测序。

Image.jpg

为展示准确度,我们将CNVscope与先前提到的CNVnator (v0.4.1) 和Illumina开发的DRAGEN CNV (v4.2) 在不同数据集上进行了逐一对比。

Image (1).jpg

图1 拷贝数重复事件


Image (2).jpg

图2 拷贝数缺失事件

从结果来看,Sentieon CNVscope 在WGS中的表现相较于现有的CNV工具,展现出极高的准确性(F1值)。目前,CNVscope正处于持续迭代阶段,当前主要聚焦于检测大于5kb的胚系WGS事件,而小于5kb的复制和缺失则由DNAscope的结构变异检测模块处理。

未来,CNVscope还将推出适用于外显子组测序(WES)数据和体细胞CNV的分析流程

目录
相关文章
|
6月前
|
编解码 算法 固态存储
Visual C++ 6.0环境开发PACS影像系统的技术指标和精准算法
Visual C++ 6.0环境开发PACS影像系统的技术指标和精准算法
49 0
|
16天前
|
机器学习/深度学习 人工智能 算法
基于YOLOV8的口罩佩戴实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
本文介绍了基于YOLOv8算法的口罩佩戴实时检测系统,该系统通过7959张训练图片训练出有效识别模型,开发了带GUI界面的系统,支持图片、视频和摄像头实时检测口罩佩戴情况,提高疫情防控效率。
29 3
基于YOLOV8的口罩佩戴实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
|
16天前
|
机器学习/深度学习 人工智能 算法
基于YOLOv8的人员跌倒实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
本文介绍了基于YOLOv8算法的人员跌倒实时检测系统,通过4978张图片训练出有效模型,并开发了带GUI界面的系统,支持图片、视频和摄像头实时检测,具备更换背景、标题,调节检测置信度等功能。
33 0
基于YOLOv8的人员跌倒实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
|
16天前
|
机器学习/深度学习 人工智能 算法
基于YOLOv8的钢铁缺陷实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
基于YOLOv8的钢铁缺陷实时检测系统,通过1800张图片训练,开发了带GUI界面的检测系统,支持图片、视频和摄像头实时检测,提高生产效率和产品质量。系统基于Python和Pyside6开发,具备模型权重导入、检测置信度调节等功能。项目代码、数据集可通过特定链接获取。
39 0
基于YOLOv8的钢铁缺陷实时检测系统【训练和系统源码+Pyside6+数据集+包运行】
|
5月前
|
机器学习/深度学习 存储 编解码
基于YOLOv8与ByteTrack的车辆检测追踪与流量计数系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、车辆检测追踪、过线计数、流量统计(2)
基于YOLOv8与ByteTrack的车辆检测追踪与流量计数系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、车辆检测追踪、过线计数、流量统计
|
5月前
|
机器学习/深度学习 算法 计算机视觉
基于YOLOv8与ByteTrack的车辆检测追踪与流量计数系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、车辆检测追踪、过线计数、流量统计(3)
基于YOLOv8与ByteTrack的车辆检测追踪与流量计数系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、车辆检测追踪、过线计数、流量统计
|
5月前
|
机器学习/深度学习 监控 算法
基于YOLOv8与ByteTrack的车辆检测追踪与流量计数系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、车辆检测追踪、过线计数、流量统计(1)
基于YOLOv8与ByteTrack的车辆检测追踪与流量计数系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、车辆检测追踪、过线计数、流量统计
|
6月前
|
数据可视化 安全 数据挖掘
R语言在BRFSS数据中可视化分析探索糖尿病的影响因素
R语言在BRFSS数据中可视化分析探索糖尿病的影响因素
|
6月前
|
人工智能 算法 TensorFlow
基于AidLux的工业视觉少样本缺陷检测实战
基于AidLux的工业视觉少样本缺陷检测实战
78 0
|
6月前
|
运维 算法 数据处理