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
走着走着就散了完成签到,获得积分10
刚刚
牟慕完成签到,获得积分10
刚刚
细心香烟完成签到 ,获得积分0
1秒前
1秒前
1秒前
macarthur完成签到,获得积分10
1秒前
又见白龙完成签到,获得积分10
2秒前
柏笙笑完成签到 ,获得积分10
2秒前
斯文败类应助wjw采纳,获得10
3秒前
ARIA完成签到 ,获得积分10
4秒前
大佬带带我啊完成签到,获得积分10
4秒前
顽石完成签到,获得积分10
5秒前
5秒前
yyyyyyy完成签到,获得积分20
6秒前
Cx330完成签到,获得积分10
6秒前
大个应助15022655822采纳,获得10
6秒前
闪闪幻梦完成签到 ,获得积分10
7秒前
LM完成签到,获得积分10
7秒前
机智的访云完成签到,获得积分10
8秒前
斯文败类应助碧蓝贞采纳,获得10
8秒前
JJ完成签到,获得积分10
8秒前
Al完成签到,获得积分10
9秒前
10秒前
Bella完成签到 ,获得积分10
11秒前
Davey1220完成签到,获得积分10
12秒前
闪闪幻梦关注了科研通微信公众号
12秒前
djt完成签到,获得积分10
13秒前
任性的凡完成签到,获得积分10
13秒前
星辰大海应助jinyu采纳,获得10
13秒前
生动的沛白完成签到 ,获得积分10
14秒前
徐柯完成签到 ,获得积分10
14秒前
wjw发布了新的文献求助10
14秒前
Mark完成签到 ,获得积分10
14秒前
Kyra12完成签到,获得积分10
15秒前
凉笙墨染完成签到,获得积分10
16秒前
LArry完成签到,获得积分10
16秒前
紫色哀伤完成签到,获得积分10
17秒前
RenHP完成签到,获得积分10
18秒前
xrkxrk完成签到 ,获得积分0
18秒前
Synan完成签到,获得积分10
19秒前
高分求助中
Markov Chain Monte Carlo 10000
(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
Common Foundations of American and East Asian Modernisation: From Alexander Hamilton to Junichero Koizumi 5000
Advanced Weaponeering Fourth Edition, Volume 2 1000
Weaponeering: An Introduction Fourth Edition, Volume 1 1000
悉尼大学博士学位论文,题目:Modelling and testing of one-sided stitched laminated composites. 作者:Kristopher P. Plain 700
Matrix Methods in Data Mining and Pattern Recognition Second Edition 610
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 7557564
求助须知:如何正确求助?哪些是违规求助? 9139771
关于积分的说明 19534548
捐赠科研通 7147355
什么是DOI,文献DOI怎么找? 3261268
关于科研通互助平台的介绍 2427780
邀请新用户注册赠送积分活动 2250535