牛津、EPFL等团队利用Transformer架构开发基于WES数据的体细胞和种系CNV调用程序，准确率为68.7%，召回率为49.6%
编辑|萝卜皮拷贝数变异（CNV）与多种遗传性疾病的发生有密切关系。为了准确检测CNV，临床上一直在努力研究利用全外显子组测序（WES）数据的方法。尽管最近的算法性能有所提高，但准确检测CNV仍然是一个挑战，因为大多数算法的精度较低，专家策划的黄金标准调用集的召回率甚至更低。牛津大学（OxfordUniversity）、瑞士洛桑联邦理工学院（EPFL）以及土耳其毕尔肯大学（BilkentUniversity）近日联合发布了一个名为ECOLE的基于深度学习的WES数据体细胞和种系CNV调用程序。ECOLE的开
编辑 | 萝卜皮
拷贝数变异（CNV）与多种遗传性疾病的发生有密切关系。为了准确检测CNV，临床上一直在努力研究利用全外显子组测序（WES）数据的方法。尽管最近的算法性能有所提高，但准确检测CNV仍然是一个挑战，因为大多数算法的精度较低，专家策划的黄金标准调用集的召回率甚至更低。
牛津大学（Oxford University）、瑞士洛桑联邦理工学院（EPFL）以及土耳其毕尔肯大学（Bilkent University）近日联合发布了一个名为ECOLE的基于深度学习的WES数据体细胞和种系CNV调用程序。ECOLE的开发旨在提供一种高效准确的方法，用于从WES数据中检测体细胞和种系CNV。这一研究成果有望为基因组学研究和临床应用领域带来重要的突破。
基于Transformer架构的变体，该模型利用高置信度调用对匹配的WGS样本进行学习，以预测每个外显子的CNV。
研究人员利用迁移学习将一小组专家调用，对模型进行进一步训练和微调。ECOLE 首次在人类专家标记数据上取得了优异的表现，准确率达到68.7%，召回率达到49.6%。
与排名第二的最佳方法相比，我们的解决方案在准确率和召回率方面分别提高了18.7%和30.8%。通过使用相同的微调策略，我们的模型ECOLE能够在膀胱癌样本中检测到经过RT-qPCR验证的变异，无需对照样本。
在《Nature Communications》于2024年1月2日发布的一项研究中，名为「ECOLE: Learning to call copy number variants on whole exome sequencing data」的研究成果受到了广泛关注。该研究集中探讨了如何利用全外显子测序数据来准确识别基因拷贝数变异。这项研究的结果对于深入了解基因变异与疾病之间的关联具有重要意义，并为相关领域的研究提供了有价值的参考。
拷贝数变异 (CNV) 是被广泛认识为导致癌症、精神分裂症和自闭症等多种疾病的重要危险因素。在过去十年里，高通量测序 (HTS) 技术一直是检测CNV的标准方法。各种基于全基因组测序 (WGS) 数据的CNV检测算法已经取得了显著的成功，其灵敏度和精确度分别高达96%和97%。
这与处理整个外显子组测序 (WES) 数据的算法形成鲜明对比，后者的精度非常低。WGS 是一个更适合这项任务的平台，因为它不使用引入长度、GC 和参考偏差的靶向探针。另一方面，WES 在临床上更具吸引力，因为它比 WGS 更紧凑、可解释且价格实惠。不幸的是，由于这些限制，WES 技术在 CNV 检测方面的临床应用受到限制。
牛津大学、瑞士洛桑联邦理工学院以及土耳其毕尔肯大学的研究人员，前期开发了一种基于深度学习的抛光方法（deep-learning-based polishing approach），该方法可以使用对匹配的 WGS 样本进行的更值得信赖的调用，来纠正许多最先进的基于 WES 的种系 CNV 调用者的调用。虽然这是向前迈出的重要一步，但在临床使用方面仍然存在瓶颈。
第一个问题是结果的敏感性。抛光器（polisher）只能处理基本算法返回的调用（例如删除）。它要么改变这些调用（例如，重复），要么中和它们（例如，不调用）。虽然这有助于降低错误发现率，但它对灵敏度的影响有限，因为抛光器无法进行新的调用（例如，将无调用转换为删除/重复）。不幸的是，由于性能非常低，灵敏度大多超出了基于 WES 的 CNV 调用域的范围。
第二个问题是，即使是经过优化后的精度性能也受到专家策划的 CNV 调用集的限制，这些调用集被视为黄金地面事实（高达 35%）。这是因为抛光器使用基于 WGS 的自动化 CNV 调用作为模型训练的标签，但这些标签（调用）与人类专家决策相比具有非常不同的分布。
不幸的是，这种手动策划的调用集尺寸非常小，这阻碍了机器学习模型的训练。因此，在人类专家策划的 CNV 调用集上实现高性能的调用者将使基于 WES 的种系 CNV 检测在临床中得到广泛使用。
图示：ECOLE 的系统概述。（来源：论文）
因此，该团队又提出了第一个基于深度学习的方法（ECOLE: Exome-based COpy number variation calling LEarner），该方法可以独立学习对 WES 数据执行体细胞和种系 CNV 调用。该模型基于 Transformer 模型的变体，这是自然语言处理领域处理序列数据的最先进方法。
ECOLE 可以处理每个外显子的读取深度信号。它了解需要关注信号的哪些部分以及在哪个上下文（即染色体）中调用 CNV。它使用在匹配的 WGS 样本上获得的高置信度调用（即标签）作为半真实值。
ECOLE 在自动 WGS 调用的基准上显着提高了外显子精确度以及第二最佳方法性能的召回率（分别提高了 13.5% 和 16.6%）。这是唯一具有平衡精度和召回率的方法。
此外，该团队还首次提出使用转移学习并使用少量人类专家标记的样本来微调模型参数。研究人员表明，这种方法在预测人类标签方面的精度和召回率分别提高了约 18% 和约 30%。
同样，他们使用微调方法使 ECOLE 能够使用膀胱癌样本来调用体细胞变异。研究人员证明，他们能够在 16 个膀胱癌样本中的 13 个样本中检测到经过 PCR 验证的拷贝数畸变，而最先进的方法即使在抛光后也只能检测到 2 个样本中经过验证的拷贝数畸变。
该方法具有作为种系和体细胞 CNV 调用者的能力，并通过微调轻松适应疾病和人类专家；研究人员建议 ECOLE 作为扩大外显子组测序技术在 CNV 检测临床应用的可行选择。
ECOLE：https://github.com/ciceklab/ECOLE
论文链接：https://www.nature.com/articles/s41467-023-44116-y
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。