DeepVariant：引领变异检测新时代

最新推荐文章于 2024-11-14 11:20:15 发布

简说基因-专业生信合作伙伴

最新推荐文章于 2024-11-14 11:20:15 发布

阅读量1.8k

点赞数 9

本文链接：https://blog.csdn.net/weshengxin/article/details/140312357

版权

生物信息学数据分析过程中，变异检测一直是一个备受瞩目的领域。随着基因测序技术的飞速发展，如何从海量的测序数据中准确、高效地检测出变异成为了研究者们亟待解决的问题。在这样的背景下，DeepVariant——一款基于深度学习的变异检测软件应运而生，为变异检测领域带来了新的曙光。

一、变异检测软件的现状与不足

在DeepVariant出现之前，GATK等传统变异检测软件一直是市场的主力军。然而，随着基因组数据规模的不断扩大和复杂性的增加，这些软件在处理效率和准确性方面逐渐显露出不足。它们往往需要大量的计算资源和时间，且容易出现误检和漏检的情况，给研究者们带来了不小的困扰。

二、DeepVariant的设计背景

DeepVariant的设计灵感来源于深度学习技术在图像识别等领域的广泛应用。通过借鉴这些成功经验，谷歌的研究者们将深度学习技术引入到变异检测领域，成功开发出DeepVariant这款全新的变异检测软件。它充分利用了深度学习技术的优势，能够自动从复杂的基因组数据中学习和识别出变异位点，大大提高了变异检测的准确性和效率。

三、官方网站及使用文档

深入了解DeepVariant，地址：https://github.com/google/deepvariant，进入DeepVariant在Gihuub上的仓库。在这里，你可以找到详细的软件介绍、安装指南、使用教程等信息。

四、DeepVariant的使用

DeepVariant依赖一些深度学习的软件包，用传统或Conda方式可能难以安装。这里推荐通过 Docker 来运行 DeepVariant。

BIN_VERSION="1.6.1"
docker run \
  -v "YOUR_INPUT_DIR":"/input" \
  -v "YOUR_OUTPUT_DIR:/output" \
  google/deepvariant:"${BIN_VERSION}" \
  /opt/deepvariant/bin/run_deepvariant \
  --model_type=WGS \ **Replace this string with exactly one of the following [WGS,WES,PACBIO,ONT_R104,HYBRID_PACBIO_ILLUMINA]**
  --ref=/input/YOUR_REF \
  --reads=/input/YOUR_BAM \
  --output_vcf=/output/YOUR_OUTPUT_VCF \
  --output_gvcf=/output/YOUR_OUTPUT_GVCF \
  --num_shards=$(nproc) \ **This will use all your cores to run make_examples. Feel free to change.**
  --logging_dir=/output/logs \ **Optional. This saves the log output for each stage separately.
  --haploid_contigs="chrX,chrY" \ **Optional. Heterozygous variants in these contigs will be re-genotyped as the most likely of reference or homozygous alternates. For a sample with karyotype XY, it should be set to "chrX,chrY" for GRCh38 and "X,Y" for GRCh37. For a sample with karyotype XX, this should not be used.
  --par_regions_bed="/input/GRCh3X_par.bed" \ **Optional. If --haploid_contigs is set, then this can be used to provide PAR regions to be excluded from genotype adjustment. Download links to this files are available in this page.
  --dry_run=false **Default is false. If set to true, commands will be printed out but not executed.

当然，也可以使用在线版：

• 进入Galaxy中国网站：https://usegalaxy.cn
• 搜索工具：DeepVariant

五、DeepVariant与GATK的比较

随着DeepVariant的崛起，许多研究者开始将其与传统的GATK软件进行比较。事实上，DeepVariant在某些方面确实展现出了对GATK的优势替代作用。

首先，在准确性方面，DeepVariant通过深度学习技术自动学习和识别变异位点，减少了人为干预和误差的可能性，从而提高了变异检测的准确性。相比之下，GATK虽然也具有较高的准确性，但在某些复杂场景下可能会出现误检或漏检的情况。

其次，在处理效率方面，DeepVariant利用先进的并行计算技术，能够快速处理大规模的基因组数据。这对于需要处理海量数据的现代生物信息学研究来说至关重要。相比之下，GATK在处理大规模数据时可能需要更长的时间和更多的计算资源。

最后，在易用性方面，DeepVariant很容易上手使用。相比之下，GATK的使用门槛相对较高，需要用户具备一定的生物信息学知识和经验。

当然，我们也不能忽视GATK作为一款成熟的变异检测软件所具有的稳定性和可靠性。在某些特定场景下，GATK可能仍然是目前最好的选择之一。但不可否认的是，DeepVariant的出现为生物信息学研究者提供了一个全新的、强大的工具选择。

六、写在最后

总的来说，DeepVariant作为一款基于深度学习的变异检测软件，为生物信息学领域带来了新的变革。它凭借出色的性能和独特的技术优势，正逐渐成为广大研究者的首选工具。未来，我们有理由相信，DeepVariant将继续引领变异检测的发展方向，其正成为GATK最强有力的竞争者！

一键分析10X单细胞数据（点击图片跳转）

一键分析Bulk转录组数据（点击图片跳转）

推荐阅读：

一文读懂scRNA-seq数据分析（建议收藏）

新年第一课：从零开始入门Galaxy生信云平台

经典教程：全转录数据分析实战

生物信息学中的可重复性研究

如何自学生物信息学：从菜鸟到专家

生信人的自我修养：Linux 命令速查手册

清华大学生物信息学课件资料分享

网上最全的 R 语言图库（建议收藏）| 简说基因 Recommend

生物信息学必备的R语言相关参考书 | 简说基因 Recommand

从单细胞数据分析的最佳实践看R与Python两个阵营的博弈

涉嫌侵权，容我解（jiao）释（bian）一下

关于简说基因

生信平台
Galaxy中国（UseGalaxy.cn）致力于打造中国人的云上生物信息基础设施。大量在线工具免费使用。无需安装，用完即走。活跃的用户社区，随时交流使用心得。
联系方式
QQ交流群（免费）：925694514
微信交流群（免费）：加微信好友，注明“Galaxy交流群”
客服微信：usegalaxy