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
springlrt的应助被清水烫春菜采纳,获得20
1秒前
桐桐的应助被gzy00采纳,获得10
1秒前
Elixir发布了新的文献求助10
1秒前
风吹麦浪的应助被SEM小菜鸡采纳,获得10
1秒前
Tetryl完成签到,获得积分20
1秒前
1秒前
yu123123完成签到 ,获得积分10
2秒前
3秒前
3秒前
aaa发布了新的文献求助10
3秒前
5秒前
SciGPT的应助被裕溪采纳,获得10
5秒前
6秒前
6秒前
轩辕九鸢完成签到,获得积分10
6秒前
积极向上完成签到,获得积分10
7秒前
香蕉觅云的应助被yuri采纳,获得10
8秒前
情怀的应助被Aiden采纳,获得10
8秒前
8秒前
SciGPT的应助被NNNxk采纳,获得10
8秒前
21完成签到,获得积分10
9秒前
9秒前
SHEN关注了科研通微信公众号
10秒前
li的应助被ywl采纳,获得10
10秒前
killGc的应助被Kunpeng采纳,获得10
10秒前
PGao完成签到,获得积分10
10秒前
高高的御姐完成签到,获得积分10
10秒前
10秒前
牧小妮完成签到,获得积分10
11秒前
12秒前
CipherSage的应助被YHNLN采纳,获得10
13秒前
13秒前
大力完成签到,获得积分10
13秒前
YY的应助被科研菜鸟采纳,获得100
13秒前
14秒前
TT发布了新的文献求助30
14秒前
14秒前
凤凰院凶真完成签到,获得积分10
15秒前
大可完成签到,获得积分10
15秒前
gzy00发布了新的文献求助10
16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
Encyclopedia of Modern Artificial Intelligence 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Transcriptional Profiling Shows that Gcn4p Is a Master Regulator of Gene Expression during Amino Acid Starvation in Yeast 750
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
A REVIEW OF THE V-22 DYNAMICS VALIDATION PROGRAM 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 8125391
求助须知:如何正确求助?哪些是违规求助? 9528700
关于积分的说明 21574560
捐赠科研通 7705155
什么是DOI,文献DOI怎么找? 3416470
关于科研通互助平台的介绍 2542223
邀请新用户注册赠送积分活动 2457396