ECOLE: Learning to call copy number variants on whole exome sequencing data

https://www.nature.com/articles/s41467-023-44116-y#Sec15

내가 사용하는 tool merge 알고리즘이 좋다는 것을 어떤식으로 연구하면 좋을지 참고하기 위함

 

Motivation & Purpose

• 정확한 WEG 데이터에서 CNV 지역을 찾는 것은 오랜 관심사였고 알고리즘이 계속 개발되고 향상되어왔으나
  전문가가 큐레이션한 골드 스탠다드 데이터에서 낮은 정밀도(precision)와 재현율(recall)을 보이는 문제가 있다.

 

 

Novelity

• Transformer architecture,
  1. WGS 샘플에서 생성된 높은 신뢰도의 호출 데이터 사용
  2. 소규모의 전문가 호출 데이터 세트 활용 via transfer learning
  3. 전문가가 레이블링한 데이터에서 성능 평가
• fine-tuning을 통해 control sample 없이도 종양 샘플에 적용가능

 

Interested in

• ECOLE 성능을 평가하기위해 1000 genome 데이터를 사용했다.
  이때 SOTA germline CNV caller(FREEC, CNVkit, XHMM, CONIFER, CODEX2, GATK)와 DEL/DUP/no-call 그룹별로 비교했다. 이때, semi-ground truth CNV calls 으로 CNVnator 결과를 사용했다(Fig 2). 

• 추가로 CNLearn 결과도 함께 비교 
  • CNLearn which is a random forest-based method that creates an ensemble of four WES-based callers (See Section 4.2 for details)
  • CNLearn v1, which learns to aggregate the calls of other WES-based germline CNV callers (CANOES, XHMM, CONIFER and CLAMMS).
• ECOLE를 학습시킬때, illumina hiseq 2000& illumina Genome Analyzer 2를 사용을해서, 다른 플렛폼 데이터에 대해서도 성능을 평가했다. NA12828 sample에 대하여 BGISEQ 500, HISeq 4000, NovaSeq 6000, MGISEQ 2000
•  1KG 9 sample을 포함하는 human expert-curated 데이터, Chaisson et al. 를 이용해서 성능 테스트(Fig 3)한다.
  • This is a human expert-curated, consensus call set that relies on the results of 15 WGS-based CNV callers compared against structural variations generated using PacBio with single base pair breakpoint resolution.

-> 성능 평가로써 사용되는 1KG 데이터 셋

-> groun truth 로 CNVnator를 사용..(읭?)

-> type을 구분하고 fregment 구분하지 않고 평가하고 있음, RO값은 없는것 같음

 

-> 우리도 Chaisson et al를 이용해보자, 그리고 이 사람들이 15개에 대해 어떻게 큐레이트했는지

 

-> 그리고 다들 성능이 좋지 않음