基于Transformer的第三代测序数据缺失变异检测方法研究

摘要

缺失变异是一种重要的结构变异，与癌症、阿尔兹海默症和孤独症等多种病症有关。由于缺失变异和比对信息的复杂性，现有方法检测结果假阳性较高，为后续的下游分析带来了困难。针对该问题，提出了一种基于Transformer的第三代测序数据缺失变异检测方法—Transformer deletion detection(TDD)。首先，通过分析BAM文件中的CIGAR字段和相邻reads的间隔距离来提取候选的变异位点集合；然后将变异区间划分为连续的子区间，在每个子区间上构建特征矩阵；接着通过Transformer的Encoder模块来编码特征矩阵，再输出到分类层判断其变异与否；最后，进行断点估计、合并变异子区间，得到最终的缺失变异集。将所提方法与主流的4个检测工具在4个真实数据集上进行了对比，实验结果表明，所提方法取得了更好的F1分数，能降低检测结果中的假阳性，从而更好地检测缺失变异。

关键词

缺失变异检测 / 第三代测序数据 / Transformer