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:146
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
秉烛游发布了新的文献求助10
2秒前
33完成签到,获得积分10
3秒前
3秒前
微笑的忆枫完成签到 ,获得积分10
3秒前
4秒前
日月完成签到 ,获得积分10
5秒前
apollo3232完成签到,获得积分0
5秒前
偏偏完成签到 ,获得积分10
6秒前
学术侠完成签到,获得积分10
7秒前
Stj发布了新的文献求助10
7秒前
HR112应助de采纳,获得10
7秒前
薰露完成签到 ,获得积分10
8秒前
FashionBoy应助科研通管家采纳,获得10
8秒前
小飞123应助科研通管家采纳,获得20
8秒前
务实雯应助科研通管家采纳,获得10
8秒前
彭于晏应助科研通管家采纳,获得10
8秒前
6666应助科研通管家采纳,获得10
8秒前
张欢馨应助科研通管家采纳,获得10
8秒前
FashionBoy应助科研通管家采纳,获得30
8秒前
汉堡包应助科研通管家采纳,获得10
8秒前
6666应助科研通管家采纳,获得10
8秒前
情怀应助科研通管家采纳,获得10
8秒前
myy发布了新的文献求助10
9秒前
9秒前
kayin完成签到,获得积分10
10秒前
英俊的铭应助无糖零脂采纳,获得10
11秒前
852应助无糖零脂采纳,获得10
11秒前
炸毛吐司完成签到,获得积分20
12秒前
liao完成签到 ,获得积分10
13秒前
syf发布了新的文献求助10
14秒前
美丽的沛菡完成签到,获得积分10
14秒前
myy完成签到,获得积分10
15秒前
17秒前
李健的小迷弟应助秉烛游采纳,获得10
18秒前
19秒前
Akim应助13344采纳,获得10
20秒前
jialin完成签到 ,获得积分10
20秒前
Stj完成签到,获得积分10
20秒前
充电宝应助林高扬采纳,获得10
21秒前
派大星完成签到 ,获得积分10
21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
Salmon nasal cartilage-derived proteoglycan complexes influence the gut microbiota and bacterial metabolites in mice 2000
The Composition and Relative Chronology of Dynasties 16 and 17 in Egypt 1500
Picture this! Including first nations fiction picture books in school library collections 1500
ON THE THEORY OF BIRATIONAL BLOWING-UP 666
Signals, Systems, and Signal Processing 610
The Impostor Phenomenon: When Success Makes You Feel Like a Fake 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 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6377671
求助须知:如何正确求助?哪些是违规求助? 8190844
关于积分的说明 17302972
捐赠科研通 5431284
什么是DOI,文献DOI怎么找? 2873421
邀请新用户注册赠送积分活动 1850068
关于科研通互助平台的介绍 1695387