谷歌跨界医学新动作：基因突变定位模型又更！新！了！
Root 编译自 Google Research Blog
量子位 出品 | 公众号 QbitAI
去年12月，谷歌大脑发布了快速找出基因突变位点的深度学习模型DeepVariant，用图像识别的思路来精准定位出基因序列中突变的位点。
时隔5个月，谷歌大脑于今日再次更新Deepvariant，发布了0.6.0版本。
比起之前的第一版，新版在准确率上会有重大的提升。针对两个典型的测序场景——全外显子组测序，PCR，谷歌大脑团队作出了特定的优化。下面介绍一下DeepVariant相应的训练过程。
基因序列数据
一般来港，序列数据的种类多到眼花。
种类繁杂的原因有好几个：
1）人体DNA的提取有不同的来源。唾液、血液、脱落的头皮屑都OK；
2）DNA样本的处理方法有好几种；
3）DNA扩增的倍数可变；
4）DNA扩增的位置可选。
理论上，找到基因突变位点的工具可以根据特定的数据类型，进行微调。但即使时间不限，配上经验丰富的专家来做这个微调的工作，也不可能做到每种数据类型都出一个与之匹配的工具。这不科学。
但用Deepvariant模型就不一样了。
谷歌大脑团队可以根据新的数据类型要求，给模型喂代表性的数据，这样训练下来，提高准确率的同时，也能保证最终表现不受负面影响。
找寻基因突变的挖井人
深度学习模型依赖高质量的训练评估数据。
在测序领域里，归属于美国技术标准协会的瓶中基因组联盟(Genome in a Bottle，GIAB)拥有人类基因组数据，主要用于技术发展，基因评测和优化。
这个数据得来不易。
瓶中基因组联盟大量牵头做了大量的工作，最后才有了高保真度的基因组信息。这些工作包括但不限于：用尽目前已有的测序方法；把所有找寻基因突变的工具都折腾了一遍；复制了无数遍同一个人的DNA。
DeepVariant的大部分训练数据来自于GIAB第一个发布的的标准比对基因组，HG001。这个基因组的样本贡献者是一名北欧女士，也属于国际人类基因组单体型项目。
该项目是首个大规模尝试确认人类基因差异中的共同模式。
因为HG001的DNA是商用的，也富有代表性，所以很多新测序方法出来之前会拿HG001来“练手”。
用HG001里的多种复制版本和不同的数据类型，训练DeepVariant模型的话，可以提高数据类型分类的准确性，还能泛化出之前没见过的数据类型。
0.5.0版本：进化版的外显子模型
在发布0.5.0版本的时候，我们采用了兼容标准的训练思路，用的是HG002样本，第20条染色体的所有数据。
HG002，是GIAB公布的第二个基准基因组，来自一个犹太人男子。
取性别不同、种族不同的HG001和HG002的数据，可以帮助DeepVariant在面对种群的多样性时有更好的表现。
在0.5.0版本里，谷歌关注点落在了外显子数据上。
外显子只占到整个基因组信息的1%，专门指导机体产生蛋白质。很多临床上重大的基因病就是在某处外显子出了问题。
为了增加外显子序列（WES，whole exome sequencing）的精确性，谷歌特地添加了全外显子组这个数据种类，其训练数据由DNAnexus提供。
结果发现，全外显子组模型的误插误删率降低了43%，单核苷酸复制错误率降低了22%。
HG002的外显子序列错误率如上图所示。左侧显示的错误是误插误删，右边是单个核苷酸复制错了。黄色部分表示假阳性的错误，蓝色部分指的是假阴性错误。
从图可以看出，错误率降低最佳的表现出现在0.5版那次更新。
DNA扩增数据的优化
最新的0.6.0版本，解决的主要是序列拼接前，扩增数据精度提升的问题。
PCR，聚合酶链式反应，是相当便宜又简单的扩增方法。但扩增后容易出错，所以现在多用非PCR方法来准备DNA样本了。
DeepVariant之前版本的训练数据因为完全没有用PCR，所以对于用到了PCR的数据，前几版的DeepVariant的外部评测表现就不太好。
但这回，谷歌到脑添加了PCR+的训练数据，现在这种数据类型的处理准确率就显著提升，误插误删概率降低了60%。
DNAnexus、bcbio对最新版DeepVariant的独立评测结果看这里：
谷歌借助这些分析报告，了解到DeepVariant和其他找基因变异位点工具存在的不同，并进一步降低了错误率。
最新版的代码同样已经开源，谷歌大脑希望感兴趣的人能参与进来一起推动测序行业的发展。
如果大家认为某种类型的数据值得谷歌团队留意，可直接联系：https://github.com/google/deepvariant/issues
https://github.com/google/deepvariant/releases/tag/v0.6.0
— 完 —
欢迎大家关注我们的专栏：量子位 - 知乎专栏
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
