DeepConsensus improves the accuracy of sequences with a gap-aware sequence transformer

计算机科学 共识序列 计算生物学 标识符 DNA测序 变压器 马尔可夫链 序列(生物学) 编码器 算法 生物 遗传学 基因 基序列 物理 电压 机器学习 量子力学 程序设计语言 操作系统
作者
Gunjan Baid,Daniel E. Cook,Kishwar Shafin,Taedong Yun,Felipe Llinares-López,Quentin Berthet,Anastasiya Belyaeva,Armin Töpfer,Aaron M. Wenger,William J. Rowell,Howard H. Yang,Alexey Kolesnikov,Waleed Ammar,Jean‐Philippe Vert,Ashish Vaswani,Cory Y. McLean,Maria Nattestad,Pi-Chuan Chang,Andrew Carroll
出处
期刊:Nature Biotechnology [Nature Portfolio]
卷期号:41 (2): 232-238 被引量:152
标识
DOI:10.1038/s41587-022-01435-7
摘要

Circular consensus sequencing with Pacific Biosciences (PacBio) technology generates long (10–25 kilobases), accurate ‘HiFi’ reads by combining serial observations of a DNA molecule into a consensus sequence. The standard approach to consensus generation, pbccs, uses a hidden Markov model. We introduce DeepConsensus, which uses an alignment-based loss to train a gap-aware transformer–encoder for sequence correction. Compared to pbccs, DeepConsensus reduces read errors by 42%. This increases the yield of PacBio HiFi reads at Q20 by 9%, at Q30 by 27% and at Q40 by 90%. With two SMRT Cells of HG003, reads from DeepConsensus improve hifiasm assembly contiguity (NG50 4.9 megabases (Mb) to 17.2 Mb), increase gene completeness (94% to 97%), reduce the false gene duplication rate (1.1% to 0.5%), improve assembly base accuracy (Q43 to Q45) and reduce variant-calling errors by 24%. DeepConsensus models could be trained to the general problem of analyzing the alignment of other types of sequences, such as unique molecular identifiers or genome assemblies.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
独角兽发布了新的文献求助10
刚刚
1秒前
Lny的应助被能干的魂幽采纳,获得10
1秒前
Tictor发布了新的文献求助10
2秒前
Tictor发布了新的文献求助10
2秒前
Tictor发布了新的文献求助10
2秒前
曾绍炜完成签到,获得积分10
2秒前
菠菜的应助被科研通管家采纳,获得10
3秒前
哈哈哈发布了新的文献求助10
3秒前
coolru的应助被科研通管家采纳,获得10
3秒前
李爱国的应助被科研通管家采纳,获得10
3秒前
李爱国的应助被wave采纳,获得10
3秒前
上官若男的应助被科研通管家采纳,获得10
3秒前
赘婿的应助被科研通管家采纳,获得10
4秒前
4秒前
Tictor发布了新的文献求助10
4秒前
北极光的应助被科研通管家采纳,获得10
4秒前
Tictor发布了新的文献求助10
4秒前
深情安青的应助被科研通管家采纳,获得10
4秒前
4秒前
4秒前
4秒前
4秒前
prologue的应助被科研通管家采纳,获得10
4秒前
4秒前
aajhajkahna的应助被科研通管家采纳,获得10
4秒前
Tictor发布了新的文献求助10
4秒前
5秒前
aajhajkahna的应助被科研通管家采纳,获得10
5秒前
大模型的应助被科研通管家采纳,获得10
5秒前
Tictor发布了新的文献求助10
5秒前
coolru的应助被科研通管家采纳,获得10
5秒前
Tictor发布了新的文献求助10
5秒前
彭于晏的应助被科研通管家采纳,获得10
5秒前
Tictor发布了新的文献求助10
5秒前
周杰完成签到,获得积分10
6秒前
wangflourish发布了新的文献求助10
8秒前
君为臣纲的应助被qin采纳,获得10
8秒前
123完成签到,获得积分10
9秒前
斯文败类的应助被蛋蛋采纳,获得10
9秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1080
Encyclopedia of Modern Artificial Intelligence 1000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
Analyses de reconnaissances de dettes passées devant les échevins d'Ypres (1249-1291) 600
Cellulose and Cellulose Derivatives: Synthesis, Modification and Applications 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8143417
求助须知:如何正确求助?哪些是违规求助? 9542874
关于积分的说明 21654257
捐赠科研通 7728756
什么是DOI,文献DOI怎么找? 3422053
关于科研通互助平台的介绍 2547395
邀请新用户注册赠送积分活动 2464858