Google AI Research lanza DeepSomatic: un nuevo modelo de inteligencia artificial que identifica variantes genéticas de células cancerosas

Un equipo de investigadores de Google Research y UC Santa Cruz lanzó DeepSomatic, un modelo de inteligencia artificial que identifica variantes genéticas de células cancerosas. En una investigación con Children’s Mercy, se encontraron 10 variantes en células de leucemia pediátrica que otras herramientas no detectaron. DeepSomatic tiene un llamador de variantes somáticas pequeñas para genomas de cáncer que funciona en lecturas cortas de Illumina, lecturas largas de PacBio HiFi y lecturas largas de Oxford Nanopore. El método amplía DeepVariant, detecta variantes de un solo nucleótido y pequeñas inserciones y eliminaciones en datos del genoma completo y del exoma completo, y admite flujos de trabajo de tumores normales y solo de tumores, incluidos los modelos FFPE.

https://research.google/blog/using-ai-to-identify-genetic-variants-in-tumors-with-deepsomatic/?utm_source=twitter&utm_medium=social&utm_campaign=social_post&utm_content=gr-acct

¿Cómo funciona?

DeepSomatic convierte lecturas alineadas en tensores similares a imágenes que codifican acumulaciones, cualidades base y contexto de alineación. Una red neuronal convolucional clasifica los sitios candidatos como somáticos o no y la canalización emite VCF o gVCF. Este diseño es independiente de la plataforma porque el tensor resume los patrones de error y haplotipos locales en todas las tecnologías. Los investigadores de Google describen el enfoque y su enfoque en distinguir variantes heredadas y adquiridas, incluidas muestras difíciles como el glioblastoma y la leucemia pediátrica.

Conjuntos de datos y evaluación comparativa

La capacitación y la evaluación utilizan CASTLE, Evaluación de lectura larga de estándares de cáncer. CASTLE contiene 6 pares de líneas celulares normales y tumorales coincidentes cuyo genoma completo se secuenció en Illumina, PacBio HiFi y Oxford Nanopore. El equipo de investigación publica conjuntos de referencia y muestras para su reutilización. Esto llena un vacío en los recursos de prueba y capacitación somática multitecnología.

https://research.google/blog/using-ai-to-identify-genetic-variants-in-tumors-with-deepsomatic/?utm_source=twitter&utm_medium=social&utm_campaign=social_post&utm_content=gr-acct

Resultados informados

El equipo de investigación informa avances consistentes con respecto a los métodos ampliamente utilizados tanto en variantes de un solo nucleótido como en indeles. En los indeles de Illumina, el siguiente mejor método es aproximadamente el 80 por ciento de F1, DeepSomatic es aproximadamente el 90 por ciento. En los indeles de PacBio, el siguiente mejor método está por debajo del 50 por ciento, DeepSomatic está por encima del 80 por ciento. Las líneas de base incluyen SomaticSniper, MuTect2 y Strelka2 para lecturas cortas y ClairS para lecturas largas. El estudio informa 329.011 variantes somáticas en las líneas de referencia y una muestra conservada adicional. El equipo de investigación de Google informa que DeepSomatic supera a los métodos actuales, especialmente en los indeles.

https://research.google/blog/using-ai-to-identify-genetic-variants-in-tumors-with-deepsomatic/?utm_source=twitter&utm_medium=social&utm_campaign=social_post&utm_content=gr-acct

Generalización a muestras reales

El equipo de investigación evalúa la transferencia a cánceres más allá del conjunto de formación. Una muestra de glioblastoma muestra la recuperación de controladores conocidos. Las muestras de leucemia pediátrica se prueban en el modo de solo tumor, cuando no se dispone de un resultado normal limpio. La herramienta recupera llamadas conocidas e informa variantes adicionales en esa cohorte. Estos estudios indican que el esquema de representación y entrenamiento se generaliza a nuevos contextos de enfermedades y a entornos sin valores normales comparables.

Conclusiones clave

DeepSomatic detecta SNV somáticos (variantes de un solo nucleótido) e indeles en Illumina, PacBio HiFi y Oxford Nanopore, y se basa en la metodología DeepVariant. La tubería admite flujos de trabajo de tumores normales y solo de tumores, incluye modelos FFPE WGS y WES y se lanza en GitHub. Codifica acumulaciones de lectura como tensores de imágenes y utiliza una red neuronal convolucional para clasificar sitios somáticos y emitir VCF o gVCF. La capacitación y la evaluación utilizan el conjunto de datos CASTLE con 6 pares de líneas celulares normales de tumores coincidentes secuenciados en tres plataformas, con puntos de referencia y accesos proporcionados. Los resultados informados muestran alrededor del 90 por ciento de indel F1 en Illumina y más del 80 por ciento en PacBio, superando las líneas de base comunes, con 329.011 variantes somáticas identificadas en las muestras de referencia.

DeepSomatic es un paso pragmático para la llamada de variantes somáticas a través de plataformas de secuenciación; el modelo mantiene la representación del tensor de imagen de DeepVariant y una red neuronal convolucional, por lo que la misma arquitectura escala desde Illumina hasta PacBio HiFi y Oxford Nanopore con preprocesamiento y resultados consistentes. El conjunto de datos CASTLE es la decisión correcta: proporciona líneas celulares normales y tumorales coincidentes a través de tres tecnologías, lo que fortalece la capacitación y la evaluación comparativa y ayuda a la reproducibilidad. Los resultados informados enfatizan la precisión de indel, alrededor del 90 % de F1 en Illumina y más del 80 % en PacBio frente a líneas de base más bajas, lo que soluciona una debilidad de larga data en la detección de indel. La tubería admite WGS y WES, tumores normales y solo tumores, y FFPE, que coincide con las limitaciones reales del laboratorio.

Consulte el documento técnico, los detalles técnicos, el conjunto de datos y el repositorio de GitHub. No dude en consultar nuestra página de GitHub para tutoriales, códigos y cuadernos. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 100.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.

Michal Sutter es un profesional de la ciencia de datos con una Maestría en Ciencias de Datos de la Universidad de Padua. Con una base sólida en análisis estadístico, aprendizaje automático e ingeniería de datos, Michal se destaca en transformar conjuntos de datos complejos en conocimientos prácticos.

🙌 Siga MARKTECHPOST: agréguenos como fuente preferida en Google.