Los rápidos avances en las tecnologías de secuenciación han liberado un potencial sin precedentes en la investigación genómica y la medicina de precisión. Sin embargo, el desafío de identificar con precisión variantes genéticas a partir de miles de millones de lecturas de secuencias cortas y propensas a errores sigue siendo importante. Una solución prometedora a este desafío ha surgido en DeepVariant, una CNN profunda diseñada para llamar a variantes genéticas mediante el aprendizaje de relaciones estadísticas entre imágenes de acumulaciones de lecturas y llamadas de genotipos verdaderos. Este enfoque innovador supera a las herramientas de última generación existentes y ofrece una notable generalización entre diferentes construcciones genómicas y especies de mamíferos, presagiando una nueva era en la medicina de precisión.
El desafío de la llamada de variantes en la secuenciación de próxima generación (NGS):
Las tecnologías NGS han revolucionado la genómica al permitir la secuenciación rápida de genomas completos. Sin embargo, las lecturas generadas por NGS suelen ser breves y propensas a errores, con tasas de error que oscilan entre el 0,1% y el 10%. Estos errores surgen de procesos complejos influenciados por el instrumento de secuenciación, las herramientas de procesamiento de datos y la secuencia del genoma. Los llamadores de variantes tradicionales, como el ampliamente utilizado Genome Analysis Toolkit (GATK), emplean técnicas estadísticas sofisticadas para modelar estos procesos de error. A pesar de su alta precisión, estos métodos requieren ajuste y extensión manuales para adaptarse a diferentes tecnologías de secuenciación, lo que los hace menos adaptables al panorama genómico en rápida evolución.
DeepVariant: un enfoque de aprendizaje profundo para las llamadas variantes:
DeepVariant representa una desviación significativa de los modelos estadísticos tradicionales. Reemplaza la intrincada variedad de componentes estadísticos con un único modelo de aprendizaje profundo. Al aprovechar la arquitectura Inception, un tipo de CNN, DeepVariant procesa imágenes de lecturas acumuladas. Después del entrenamiento, el modelo puede analizar muestras, logrando una alta precisión incluso con datos nuevos. Alrededor de variantes candidatas para predecir los genotipos más probables. Esto permite que el modelo tenga en cuenta las complejas dependencias de lectura, ofreciendo una representación más precisa de las variantes genéticas subyacentes.
Entrenamiento y Rendimiento:
El modelo de DeepVariant se desarrolló de manera impresionante sin experiencia genómica especializada, basándose únicamente en genotipos verdaderos etiquetados. Una vez entrenado, se puede aplicar a nuevas muestras, manteniendo una alta precisión incluso en datos nunca antes vistos. DeepVariant ha superado a GATK y otras variantes a través de varios experimentos, entregando consistentemente resultados más precisos y confiables.
En un estudio de validación, DeepVariant superó a GATK en los datos del Proyecto Platinum Genomes NA12878, logrando una mayor precisión en los cromosomas retenidos. Pruebas adicionales que involucraron 35 réplicas de NA12878 utilizando canalizaciones DeepVariant y GATK confirmaron la precisión y consistencia superiores de DeepVariant en varias métricas de calidad. En particular, DeepVariant ganó el premio al “alto rendimiento” por polimorfismos de un solo nucleótido (SNP) en la variante patrocinada por la Administración de Alimentos y Medicamentos (FDA) de EE. UU. llamada Truth Challenge, destacando su solidez y generalización.
Generalizabilidad entre tecnologías y especies:
La capacidad de DeepVariant para generalizar a través de diferentes construcciones de genoma y tecnologías de secuenciación es una ventaja clave. Por ejemplo, un modelo entrenado en la construcción del genoma humano GRCh37 funcionó igualmente bien cuando se aplicó a GRCh38, lo que demuestra una pérdida mínima de precisión. Además, DeepVariant logró una alta precisión en conjuntos de datos del mouse, superando incluso a los modelos entrenados específicamente con datos del mouse. Esta aplicabilidad entre especies es particularmente valiosa para proyectos de resecuenciación no humana, que a menudo necesitan datos más extensos sobre el terreno.
Manejo de diversas tecnologías de secuenciación:
La flexibilidad de DeepVariant se extiende a los instrumentos y protocolos de secuenciación, incluidas las tecnologías de secuenciación del genoma completo y del exoma. En pruebas que involucran conjuntos de datos de Genome in a Bottle, DeepVariant mantuvo valores predictivos positivos (PPV) y sensibilidad altos en diferentes plataformas de secuenciación. Esta adaptabilidad subraya el potencial de DeepVariant para optimizar las solicitudes de variantes para nuevas tecnologías de secuenciación, simplificando el desarrollo de herramientas de análisis genómico precisas.
Transformando la medicina de precisión:
La capacidad de DeepVariant para llamar con precisión a variantes genéticas a partir de lecturas NGS diversas y propensas a errores tiene implicaciones importantes para la medicina de precisión. Al permitir una identificación más precisa de variaciones genéticas, DeepVariant puede facilitar un mejor diagnóstico y tratamiento de los trastornos genéticos. Su adaptabilidad a diferentes tecnologías de secuenciación garantiza que los investigadores y médicos puedan aprovechar los últimos avances en genómica sin la necesidad de una recapacitación extensa o ajustes manuales.
Además, el cambio de modelos estadísticos específicos de tecnología impulsados por expertos a enfoques automatizados basados en datos ejemplificados por DeepVariant marca un cambio de paradigma en el análisis genómico. A medida que los modelos de aprendizaje profundo como DeepVariant continúan evolucionando, prometen mejorar aún más la precisión y la eficiencia de la investigación genómica y, en última instancia, impulsar avances en la medicina de precisión.
Conclusión:
DeepVariant representa un avance innovador en el análisis genómico, ya que aprovecha el aprendizaje profundo para superar los desafíos de la llamada de variantes en datos NGS. Su mayor precisión, generalización y adaptabilidad a diferentes tecnologías de secuenciación la convierten en una herramienta transformadora en la medicina de precisión. Al simplificar y automatizar el proceso de llamada de variantes, DeepVariant allana el camino para análisis genéticos más precisos y completos, abriendo nuevas posibilidades para el diagnóstico, el tratamiento y la comprensión de las enfermedades genéticas. A medida que continuamos aprovechando el poder de la IA en la genómica, el potencial de la medicina personalizada está cada vez más a nuestro alcance, prometiendo un futuro en el que los tratamientos se centran en la composición genética única de cada individuo.
Fuentes:
A Sana Hassan, pasante de consultoría en Marktechpost y estudiante de doble titulación en IIT Madras, le apasiona aplicar la tecnología y la inteligencia artificial para abordar los desafíos del mundo real. Con un gran interés en resolver problemas prácticos, aporta una nueva perspectiva a la intersección de la IA y las soluciones de la vida real.