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
王十七完成签到 ,获得积分10
1秒前
dlexdn发布了新的文献求助10
2秒前
2秒前
sjdj完成签到,获得积分10
2秒前
2秒前
小璐璐呀完成签到,获得积分10
2秒前
科研小菜完成签到 ,获得积分10
3秒前
追寻大米完成签到,获得积分10
4秒前
4秒前
给好评发布了新的文献求助10
4秒前
江鸽鸽发布了新的文献求助20
4秒前
peACE发布了新的文献求助10
5秒前
guiyi666发布了新的文献求助10
5秒前
5秒前
所所的应助被司忆采纳,获得10
6秒前
Zachary发布了新的文献求助10
6秒前
7秒前
小宇完成签到 ,获得积分10
7秒前
montecount完成签到,获得积分10
8秒前
晴子发布了新的文献求助10
8秒前
8秒前
飞鱼完成签到,获得积分10
8秒前
安安完成签到 ,获得积分10
8秒前
无花果的应助被笨笨的雨采纳,获得10
9秒前
不可回收完成签到 ,获得积分10
9秒前
qin发布了新的文献求助10
10秒前
小周发布了新的文献求助10
10秒前
10秒前
科研通AI2S的应助被liu采纳,获得10
11秒前
给好评完成签到,获得积分10
11秒前
畅快的水云完成签到,获得积分10
11秒前
小机灵鬼发布了新的文献求助10
12秒前
Akim的应助被Seven采纳,获得10
13秒前
Jasper的应助被111采纳,获得10
13秒前
14秒前
14秒前
大力的飞莲完成签到,获得积分10
15秒前
xi发布了新的文献求助10
15秒前
16秒前
科研通AI6.4的应助被莫西Moxiii采纳,获得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 Reagents for Organic Synthesis, 14 Volume Set, 2nd Edition(本书共14册,本求助8volume-14volume共7册,独立harcover版本,非网络版本e-EROS 版,不能网络版转化PDF或提取PDF) 2000
Essentials of Carbohydrate Chemistry and Biochemistry, 4th Edition 1000
Электротехническая система магнитожидкостной герметизации валов регулируемых электродвигателей 800
日本語と中国語及びチベット・ビルマ語の語源関連性に関する分析 800
Practical Manual of Forensic Psychophysiology: Methodology, Execution, and Fields of Application 800
Holistic Discourse Analysis, Second Edition by Robert E. Longacre 666
热门求助领域 (近24小时)
化学 材料科学 医学 生物 计算机科学 工程类 纳米技术 有机化学 物理 生物化学 化学工程 内科学 复合材料 催化作用 心理学 人工智能 细胞生物学 光电子学 无机化学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 7953360
求助须知:如何正确求助?哪些是违规求助? 9429012
关于积分的说明 20993450
捐赠科研通 7534449
什么是DOI,文献DOI怎么找? 3369455
关于科研通互助平台的介绍 2505299
邀请新用户注册赠送积分活动 2401417