Varyant arama için puanların yeniden kalibre edilmesinde bir nokta var mı?

Question

view on stackexchange narkive permalink

Ardışık düzen GATK'yı çağıran en varyant, bilinen varyantların bir listesini gerektiren Temel Kalite Puanı Yeniden Kalibrasyonunu (BQSR) içerir. Son zamanlarda, puanların referanstan bağımsız olarak yeniden kalibre edilmesi için de bazı çalışmalar yapılmıştır: aDNA ve düşük kapsama veri kümeleri için en iyi şekilde yararlanılarak motive edilen Lacer ve atlas.

aDNA'nın önemi bu derste açıklanmıştır, ancak BQSR'nin yeterli (> 15x) kapsama alanına sahip taze DNA örnekleri için önemli olup olmadığı / nasıl önemli olduğu benim için net değil. Özellikle model olmayan organizmalarla çalıştığımda ve sadece standart araçları kullanamadığımda.

Puanların yeniden kalibre edilmesinin varyant çağrıları üzerinde ne kadar büyük bir etkisi var? Çabaya değip değmeyeceği bir pratik kural var mı?

Answer 1

view on stackexchange narkive permalink

Şahsen BQSR'nin değişken arama üzerinde büyük bir etkisi olduğunu düşünmüyorum, ancak gerçekten tahmin etmenize gerek yok. GATK BQSR'yi çalıştırırsanız, tam olarak ne kadar kalite puanının ayarlandığını gösteren bir tablo ve grafikler çıkarır. Ayar, okuma ve genomik bağlamdaki konuma (önceki ve sonraki temel) bağlı olarak değişecektir. Deneyimlerime göre, fark en fazla birkaç nokta, ancak kesinlikle dikkat çekicidir.

GATK, normalde 15 kattan çok daha yüksek olan hem genom hem de ekzom verileri için BQSR'yi önerir.

Answer 2

view on stackexchange narkive permalink

Bu iyi bir soru.

Düşük sayıda örnek için (ör. yalnızca iki örnek)

• varyant yeniden kalibrasyonuyla uğraşmanıza gerek olmadığını söyleyebilirim. üçlüler); Yine de GTAK'ın varyant puanlarının yeniden kalibre edilmesini sağlayamadım
• DNA örneklerinin kendilerinin yüksek, karşılaştırılabilir kalitede olduğu ve tutarlı bir şekilde sıralandığı yüksek kapsamlı örnekler (örn., X 30x kapsama alanına sahip on genom) teknoloji.

Genel olarak, GATK'da yerleşik birçok düşünce ve gelişmiş istatistiksel modelin 1000 Genom projesinin önceki aşamalarından geldiği izlenimi uyandırıyor. Bu, (1) düşük kapsama alanı, (2) farklı kapsama genomları (3) (4) farklı örnekler ve (5) popülasyon sıralaması ile değişen teknoloji sürümleriyle sekanslanmış anlamına gelir.

Klinik bir ortamdaysanız X Ten platformunda 30x sıralama yaptığınızda, varyant yeniden kalibrasyonu muhtemelen size pek yardımcı olmayacaktır.

Öte yandan, farklı veri merkezlerinden ve makine sürümlerinden vb. birçok veri kümesini entegre ediyorsanız ., varyantın yeniden kalibrasyonu denemeye değer olabilir.

İyi bir kontrol, yeniden kalibrasyondan önce ve sonra genotip kalite dağılımlarına ve varyant / kalite ile ilgili diğer metriklere bakmak olacaktır.

Herkes: Lütfen düzeltin ben yanılıyorsam!

Answer 3

view on stackexchange narkive permalink

İdeal olarak, bu BQSR yöntemleri, teknik hataların temel kalite çağrılarını gerçekte nasıl bozacağı ve makinelerin 1000G projesi için kullanılırken daha geliştirme aşamasında olduğu akılda tutularak yapılmıştır. Şu andan itibaren makineler, kullanma ihtimalinin düşük olduğu yerlerde daha güçlü ve güçlüdür, ancak yine de ortak değişkenleri bulmak ve bu temel çağrıların kalitesini artırmak için makine öğrenimi hileleriyle bilgileri kullanarak verilerin etrafında bir model oluşturmak için listelenen SNP'lerle kullanıyoruz. . İdeal olarak, Illumina veya diğer standart şirketlerin eski makineleri kullanıldığında daha uygun olmalı, ancak çok güçlü ve yüksek verime sahip yeni makinelerde düşme eğiliminde olmaları gerekir. Bu tür testlerin yapılıp yapılmadığını hatırlamıyorum, ancak açıkçası yeni sıralama makinesinin her zaman bu tür hataları azalttığını göstermek için bu tür testler yaptığını biliyorum, ancak yine de varyant çağrıları için bu tür BQSR'yi tavsiye ediyorum. Şimdi sorun SNP'lerin listesi, benim için gerçek sorun bu çünkü kullandığımız liste Altın standardı olmaktan uzak ve eğer bu doğru bir şekilde yapılmazsa, kalite hakkında çıkardığımız her şey hala titrek. Bu bağlantı oldukça bilgilendirici ama eski bir bağlantı. Yeni sıralayıcılarla gerçekten iyileştirmeler görürdüm. Ancak akademik araştırmalarda bu tür testleri çok daha az insan önemsiyor ve ayrıca çeviri laboratuvarı, enstitü için yeni bir sıralayıcı satın alırken bu tür testleri her zaman yapan bazı biyoinformatisyenlere sahip olmadıkça, bu tür testlere gerçekten zaman ve para yatırmayacaktır. Varyantları bulmak için klinik genomik açısından, en güçlü ve güncel sıralayıcıların kullanılması gerektiğini düşünüyorum, ancak yine de BQSR kullanıp kullanmadıklarından emin değilim ve eğer öyleyse, veriler etrafında ortak değişkenlik modeli oluşturmak için kullandıkları liste nedir.

Answer 4

view on stackexchange narkive permalink

BQSR'nin bir seçenek olmaması durumunda (yani model olmayan organizmalar), illumina platformu için PhiX gibi bazı dahili kontrol dizilerinin kullanılması en iyisidir. Bunun yaygın bir uygulama olduğu varsayılsa da, bazı tesisler bunu görmezden geliyor. Prensipte, puanlamanın daha doğru olması için makineler bu dizileri referans olarak kullanmalıdır. Tecrübelerime göre illumina okumalarının ilk 10-15 tabanı her zaman daha düşük kaliteye sahipti. Bu, nükleotid dağılımlarında kolayca görülebilir. Düşük kapsama yeniden sıralama veya de-novo genom montaj uygulamaları gibi bireysel okumaların kalitesi önemliyse, ilk 10-15 bazın kırpılmasını ve kaliteye dayalı uç kırpmayı tavsiye ederim.