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
美好乐儿发布了新的文献求助10
1秒前
hhhh完成签到,获得积分10
1秒前
ttt完成签到,获得积分10
1秒前
李爱国应助teamo采纳,获得10
1秒前
隐形的谷槐完成签到 ,获得积分10
2秒前
李卓发布了新的文献求助10
2秒前
Taylor发布了新的文献求助10
2秒前
闪闪靖荷完成签到,获得积分10
3秒前
YR发布了新的文献求助10
4秒前
DoomDuke完成签到,获得积分10
4秒前
4秒前
深情安青应助科研通管家采纳,获得10
4秒前
刘璞完成签到,获得积分10
5秒前
orixero应助科研通管家采纳,获得10
5秒前
Orange应助科研通管家采纳,获得10
5秒前
5秒前
SciGPT应助科研通管家采纳,获得10
5秒前
junhuihe应助科研通管家采纳,获得2000
5秒前
GTS完成签到,获得积分10
5秒前
Nole应助科研通管家采纳,获得10
5秒前
完美世界应助科研通管家采纳,获得10
5秒前
彭于晏应助科研通管家采纳,获得10
6秒前
6秒前
FashionBoy应助科研通管家采纳,获得10
6秒前
CodeCraft应助科研通管家采纳,获得10
6秒前
FashionBoy应助科研通管家采纳,获得10
6秒前
香蕉觅云应助科研通管家采纳,获得10
6秒前
Orange应助科研通管家采纳,获得10
7秒前
如风发布了新的文献求助20
7秒前
CodeCraft应助科研通管家采纳,获得10
7秒前
7秒前
7秒前
打打应助科研通管家采纳,获得10
7秒前
富有的云龙完成签到,获得积分10
7秒前
7秒前
天天快乐应助科研通管家采纳,获得20
7秒前
李爱国应助科研通管家采纳,获得10
7秒前
大个应助科研通管家采纳,获得10
8秒前
英俊的铭应助科研通管家采纳,获得10
8秒前
8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
Principles of town planning: translating concepts to applications 1000
Management and the Arts 510
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
核安全综合知识2024版 500
Photothermal Science and Techniques 500
Digital Displacement Hydrostatic Transmission for Rotorcraft and Distributed Propulsion 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 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7707899
求助须知:如何正确求助?哪些是违规求助? 9265331
关于积分的说明 20054237
捐赠科研通 7284363
什么是DOI,文献DOI怎么找? 3296190
关于科研通互助平台的介绍 2451023
邀请新用户注册赠送积分活动 2303153