DeepSomatic

DeepSomatic 是基于深度学习的变异检测工具 DeepVariant 的扩展，它接收来自肿瘤和正常数据的比对 reads （BAM 或 CRAM 格式），从中生成 pileup 图像张量，使用卷积神经网络对每个张量进行分类，并最终在标准 VCF 或 gVCF 文件中报告体细胞变异。

DeepSomatic 支持从肿瘤-正常和仅肿瘤测序数据中进行体细胞变异检测。

代码可用性

DeepSomatic 与 DeepVariant 集成，以利用 DeepVariant 的高质量端到端测试和功能开发。

以下是描述 DeepSomatic 核心组件的脚本：

run_deepsomatic: DeepSomatic 运行脚本。
make_examples_somatic: DeepSomatic 的 make_examples 步骤。
call_variants: 生成变异调用的推理脚本。
postprocess_variants: 更新了 process_somatic 选项以处理体细胞变异。
dockerfile: DeepSomatic 的 Dockerfile。

将 DeepSomatic 集成到 DeepVariant 中有助于通过集成测试和功能开发维持高质量的代码健康。

案例研究

以下案例研究展示了支持技术的示例运行：

肿瘤-正常案例研究

Illumina WGS 肿瘤-正常案例研究。
Illumina WES 肿瘤-正常案例研究。
PacBio 肿瘤-正常案例研究。
ONT 肿瘤-正常案例研究。
FFPE WGS 肿瘤-正常案例研究。
FFPE WES 肿瘤-正常案例研究.

仅肿瘤案例研究

Illumina WGS 仅肿瘤案例研究.
PacBio 仅肿瘤案例研究.
ONT 仅肿瘤案例研究.
FFPE WGS 仅肿瘤案例研究.
FFPE WES 仅肿瘤案例研究.

有关运行时间和准确性预期的详细信息，请参阅 DeepSomatic 指标页面.

如何引用

如果您在研究中使用 DeepSomatic，请引用：

DeepSomatic: Accurate somatic small variant discovery for multiple sequencing technologies

如何运行 DeepSomatic

sudo docker run \
-v ${INPUT_DIR}:${INPUT_DIR} \
-v ${OUTPUT_DIR}:${OUTPUT_DIR} \
google/deepsomatic:"${BIN_VERSION}" \
run_deepsomatic \
--model_type=WGS \ ** Can be WGS,WES,PACBIO,ONT,FFPE_WGS,FFPE_WES,WGS_TUMOR_ONLY,PACBIO_TUMOR_ONLY,ONT_TUMOR_ONLY **
--ref=${INPUT_DIR}/REF.fasta \ **Path to reference fasta file.
--reads_normal=${INPUT_DIR}/normal.bam \ **Path to normal bam file.
--reads_tumor=${INPUT_DIR}/tumor.bam \ * Path to tumor bam file.
--output_vcf=${OUTPUT_DIR}/OUTPUT.vcf.gz \ **Path to output VCF file.
--output_gvcf=${OUTPUT_DIR}/OUTPUT.g.vcf.gz \ **Path to output gVCF file.
--sample_name_tumor="tumor" \
--sample_name_normal="normal" \
--num_shards=$(nproc) \ **Total number of threads to use.
--logging_dir=${OUTPUT_DIR}/logs \ **Log output directory.
--intermediate_results_dir ${OUTPUT_DIR}/intermediate_results_dir \
--regions=chr1 \ **Region of the genome, if not provided then runs on whole genome
--use_default_pon_filtering=false \ **Set to true for default PON filtering for tumor-only variant calling**
--dry_run=false **Default is false. If set to true, commands will be printed out but not executed.

请遵循快速入门以获取有关 Docker 和 Singularity 等不同设置的更多详细信息。适用于 DeepSomatic

示例输出

DeepSomatic 利用 VCF 格式中的 FILTER 来报告已识别的种系和体细胞变异。过滤器的描述可以在头部找到：

##FILTER=<ID=PASS,Description="All filters passed">
##FILTER=<ID=RefCall,Description="Genotyping model thinks this site is reference.">
##FILTER=<ID=LowQual,Description="Confidence in this variant being real is below calling threshold.">
##FILTER=<ID=NoCall,Description="Site has depth=0 resulting in no call.">
##FILTER=<ID=GERMLINE,Description="Non somatic variants">

例如，下面报告的变体：

# CHROM POS     ID  REF ALT QUAL    FILTER      INFO    FORMAT              SAMPLE_NAME
chr1    14001   .   A   G   3.7     GERMLINE    .       GT:GQ:DP:AD:VAF:PL  0/0:4:8:4,4:0.5:1,0,34
chr1    14002   .   T   A   0       RefCall     .       GT:GQ:DP:AD:VAF:PL  0/0:51:60:57,2:0.0333333:0,51,58
chr1    14003   .   C   G   43.8    PASS        .       GT:GQ:DP:AD:VAF:PL  1/1:43:74:0,74:1:43,52,0

在本示例中：

具有 GERMLINE FILTER 状态的变异被鉴定为胚系变异
具有 RefCall FILTER 状态的变异为参考序列纯合
具有 PASS FILTER 状态的变异为体细胞变异。

先决条件

Unix 类操作系统（无法在 Windows 上运行）
Python 3.10

贡献指南

如果您希望为 DeepSomatic 做出贡献，请提交一个 pull request。请注意，我们尚未建立合并外部 pull request 的基础设施。如果您同意，我们将在内部测试并提交更改，并在我们的发布说明中提及您的贡献。对于由此带来的不便，我们深表歉意。

如果您在使用 DeepSomatic 时遇到任何困难，请随时提交一个 issue。如果您有与 DeepSomatic 无关的一般性问题，我们建议您发布在社区讨论论坛上，例如 BioStars。

许可证

BSD-3-Clause 许可证

免责声明

这不是一个官方的 Google 产品。

注意：本研究代码仓库的内容 (i) 不旨在作为医疗器械；并且 (ii) 不旨在用于任何形式的临床用途，包括但不限于诊断或预后。