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
孑然完成签到 ,获得积分10
1秒前
NNi完成签到,获得积分10
1秒前
CMC完成签到 ,获得积分10
2秒前
皮皮完成签到 ,获得积分10
5秒前
Manana完成签到 ,获得积分10
7秒前
花菜炒肉完成签到 ,获得积分10
8秒前
小曹003完成签到,获得积分10
9秒前
惊鸿H完成签到 ,获得积分10
9秒前
我爱科研完成签到 ,获得积分10
10秒前
热情的白风完成签到,获得积分10
12秒前
polywave完成签到 ,获得积分10
13秒前
唐唐完成签到,获得积分10
13秒前
hzwyyds完成签到 ,获得积分10
14秒前
执着幻桃完成签到,获得积分10
15秒前
唠叨的莺完成签到,获得积分10
15秒前
杨三多完成签到,获得积分10
16秒前
17秒前
S1mple_gentleman完成签到,获得积分10
17秒前
Carpediem完成签到 ,获得积分10
17秒前
晨风完成签到,获得积分10
19秒前
yyy完成签到 ,获得积分10
19秒前
相由心生完成签到,获得积分10
20秒前
67完成签到 ,获得积分10
20秒前
大Lee完成签到,获得积分10
21秒前
21秒前
OVOV发布了新的文献求助10
22秒前
开心忆秋完成签到,获得积分10
26秒前
FR完成签到,获得积分10
28秒前
突突突发布了新的文献求助10
32秒前
liupai00完成签到,获得积分10
32秒前
好吧只是个名字完成签到,获得积分10
32秒前
上帝发誓完成签到,获得积分10
36秒前
橙汁完成签到 ,获得积分10
37秒前
44秒前
一步一步完成签到,获得积分10
47秒前
俭朴的芝麻完成签到,获得积分10
48秒前
狂野从蕾完成签到 ,获得积分10
48秒前
傲娇的咖啡豆完成签到,获得积分10
50秒前
wu完成签到 ,获得积分10
51秒前
完美的安荷完成签到 ,获得积分10
51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
PowerCascade: A Synthetic Dataset for Cascading Failure Analysis in Power Systems 2000
Signals, Systems, and Signal Processing 610
Unlocking Chemical Thinking: Reimagining Chemistry Teaching and Learning 555
Photodetectors: From Ultraviolet to Infrared 500
On the Dragon Seas, a sailor's adventures in the far east 500
Yangtze Reminiscences. Some Notes And Recollections Of Service With The China Navigation Company Ltd., 1925-1939 500
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 6355858
求助须知:如何正确求助?哪些是违规求助? 8170527
关于积分的说明 17201202
捐赠科研通 5411774
什么是DOI,文献DOI怎么找? 2864385
邀请新用户注册赠送积分活动 1841922
关于科研通互助平台的介绍 1690224