Deepvariant：基于深度学习的变体调用程序

概述

Deepvariant 是一个分析管道，使用深度神经网络调用来自下一代 DNA 测序数据的遗传变异。

DeepVariant 是一种基于深度学习的变体调用程序，它采用对齐读取（BAM 或 CRAM 格式），从中生成堆积图像张量，使用卷积神经网络对每个张量进行分类，最后在标准 VCF 或 gVCF 文件中报告结果。

DeepVariant 支持二倍体生物中的种系变异检出。

另请注意：

对于基因型超过两个 DNA 拷贝的体细胞数据或任何其他样本，DeepVariant 将无法开箱即用，因为唯一支持的基因型是 hom-alt、het 和 hom-ref。
DeepVariant 中包含的模型仅针对人类数据进行训练。对于其他生物，请参阅有关非人类变异检测的博客文章，了解一些可能的陷阱以及如何处理它们。

DeepTrio

DeepTrio 是一个基于深度学习的三重奏变体调用程序，构建在 DeepVariant 之上。DeepTrio 扩展了 DeepVariant 的功能，使其能够利用神经网络的强大功能来预测

DeepTrio 支持在二倍体生物中对以下类型的输入数据进行种系变异检出：

全基因组或全外显子组的 NGS (Illumina) 数据。
PacBio HiFi 数据，参见 PacBio 案例研究。

另请注意：

所有 DeepTrio 模型都在人类数据上进行了训练。
可以仅对 2 个样本（孩子和一位父母）使用 DeepTrio。
外部工具GLnexus用于合并输出 VCF。

如何运行 DeepVariant

[hidecontent type="logged" desc="隐藏内容：登录后可查看"]

我们推荐使用我们的 Docker 解决方案。该命令将如下所示：

BIN_VERSION="1.4.0"
docker run \
  -v "YOUR_INPUT_DIR":"/input" \
  -v "YOUR_OUTPUT_DIR:/output" \
  google/deepvariant:"${BIN_VERSION}" \
  /opt/deepvariant/bin/run_deepvariant \
  --model_type=WGS \ **Replace this string with exactly one of the following [WGS,WES,PACBIO,HYBRID_PACBIO_ILLUMINA]**
  --ref=/input/YOUR_REF \
  --reads=/input/YOUR_BAM \
  --output_vcf=/output/YOUR_OUTPUT_VCF \
  --output_gvcf=/output/YOUR_OUTPUT_GVCF \
  --num_shards=$(nproc) \ **This will use all your cores to run make_examples. Feel free to change.**
  --logging_dir=/output/logs \ **Optional. This saves the log output for each stage separately.
  --dry_run=false **Default is false. If set to true, commands will be printed out but not executed.

要查看您可以使用的所有标志，请运行：docker run google/deepvariant:"${BIN_VERSION}"

如果您使用的是 GPU，或者想改用 Singularity，请参阅快速入门了解更多详细信息或查看所有可用的设置选项。

有关详细信息，另请参阅：

如何引用

如果您在工作中使用 DeepVariant，请引用：

使用深度神经网络的通用 SNP 和小插入缺失变体调用程序。自然生物技术36, 983–987 (2018)。 Ryan Poplin、Pi-Chuan Chang、David Alexander、Scott Schwartz、Thomas Colthurst、Alexander Ku、Dan Newburger、Jojo Dijamco、Nam Nguyen、Pegah T. Afshar、Sam S. Gross、Lizzie Dorfman、Cory Y. McLean 和 Mark A . DePristo。 doi: https://doi.org/10.1038/nbt.4235

此外，如果您使用我们的 DeepVariant 和 GLnexus 最佳实践生成多样本调用，请引用：

使用 DeepVariant 和 GLnexus 进行准确、可扩展的队列变体调用。 生物信息学(2021)。 Taedong Yun、Helen Li、Pi-Chuan Chang、Michael F. Lin、Andrew Carroll 和 Cory Y. McLean。 doi: https://doi.org/10.1093/bioinformatics/btaa1081

为什么使用 DeepVariant？

高精度——DeepVariant 在 ONT、PacBio 和多种技术类别的所有基准区域赢得了 2020 PrecisionFDA Truth Challenge V2 ，并赢得了 2016 PrecisionFDA Truth Challenge 的最佳 SNP 性能。DeepVariant 在来自不同测序技术、制备方法和物种的数据中保持高精度。对于较低的覆盖率，使用 DeepVariant 会产生特别大的差异。查看指标以了解每种测序类型的最新准确度数字。
灵活性——开箱即用，适用于 PCR 阳性样本和低质量测序运行，并可针对不同的测序技术和非人类物种轻松调整。
易于使用- 除了设置您首选的最低质量阈值外，无需过滤。
成本效益——在谷歌云上使用一台不可抢占的 n1-standard-16 机器，调用 30 倍全基因组的成本约为 11.8 美元，调用外显子组的成本约为 0.89 美元。采用抢占式定价，30 倍全基因组的成本为 2.84 美元，整个外显子组的成本为 0.21 美元（不考虑抢占）。
速度- 查看64 核 CPU 机器上所有支持的数据类型的运行时间指标。存在多种加速选项。
使用选项- DeepVariant 可以通过 Docker 或二进制文件运行，使用本地硬件或在云端运行，支持 GPU 和 TPU 等硬件加速器。

(1)：时间估计不包括映射。

DeepVariant 的工作原理

有关 pileup 图像以及如何阅读它们的更多信息，请参阅 “通过 DeepVariant 的眼睛看”博文。

DeepVariant 依赖于Nucleus，这是一个 Python 和 C++ 代码库，用于以常见的基因组学文件格式（如 SAM 和 VCF）读取和写入数据，旨在与 TensorFlow机器学习框架轻松集成。Nucleus 在构建时考虑了 DeepVariant 并单独开源，因此基因组学研究社区中的任何人都可以将其用于其他项目。请参阅这篇关于使用 Nucleus 和 TensorFlow 进行 DNA 测序错误校正的博客文章。

DeepVariant 设置

先决条件

类 Unix 操作系统（不能在 Windows 上运行）
Python 3.6

官方解决方案

以下是 Genomics 团队在 Google Health中提供的官方解决方案。

[/hidecontent]