谷歌联手推出DeepSomatic，精准识别癌细胞基因变异

快速阅读: 谷歌与加州大学圣克鲁兹分校合作开发DeepSomatic，成功识别10种小儿白血病细胞变异。该模型兼容多种测序技术，检测性能优越，F1分数显著高于现有工具。

谷歌研究团队与加州大学圣克鲁兹分校的研究人员合作开发了 DeepSomatic，这是一种创新的人工智能模型，旨在识别癌细胞中的基因变异。在与儿童医疗中心的合作研究中，DeepSomatic 成功发现了其他工具未能识别的10种小儿白血病细胞变异。

DeepSomatic 采用了一种专门用于检测癌症基因组小型变异的调用器，能够兼容 Illumina 短读段、PacBio HiFi 长读段和 Oxford Nanopore 长读段。该模型在 DeepVariant 的基础上进行了扩展，能够检测单核苷酸变异（SNV）和小插入缺失（indels），支持肿瘤-正常和肿瘤单一工作流程，包括福尔马林固定石蜡包埋（FFPE）样本。

DeepSomatic 的工作原理是将对齐后的读段转换成类似图像的张量，这些张量编码了堆叠情况、碱基质量和对齐上下文。通过卷积神经网络，模型对候选位点进行分类，确定其为体细胞变异或非变异，最终生成 VCF 或 gVCF 文件。这种设计使 DeepSomatic 在技术平台上具有高度适应性，因为该张量能够总结不同技术间的局部单倍型和错误模式。

在数据集和基准测试方面，DeepSomatic 使用 CASTLE（癌症标准长读段评估）数据集进行训练和评估。该数据集包含6对匹配的肿瘤和正常细胞系，使用 Illumina、PacBio HiFi 和 Oxford Nanopore 进行了全基因组测序。研究团队发布了基准集和访问权限，以供其他研究者重复利用，填补了多技术体细胞训练和测试资源的空白。

结果显示，DeepSomatic 在单核苷酸变异和小插入缺失的检测上均优于当前广泛使用的方法。例如，在 Illumina 测序的插入缺失检测方面，DeepSomatic 达到了约90%的 F1 分数，而其他方法仅为80%；在 PacBio 测序中，DeepSomatic 的 F1 分数超过80%。研究团队还报告了329,011个体细胞变异的发现，进一步验证了 DeepSomatic 在插入缺失检测方面的强大能力。

(以上内容均由Ai生成)