Sentieon | 应用教程: TNscope 使用机器学习模型进行有匹配正常样本的体细胞变异发现

使用TNscope中机器学习模型

TNscope中机器学习模型的目标

TNscope允许您使用机器学习模型进行变异过滤，以提高结果的准确性。机器学习模型的方法描述在https://www.biorxiv.org/content/early/2018/01/19/250647中，并在TNscope中使用一系列灵敏设置来检测更多的候选变异，然后通过基于模型的变异过滤。

Sentieon为您提供基于GIAB多个样本真集训练的机器学习模型https://github.com/genome-in-a-bottle 。

在TNscope中使用机器学习模型

需要运行三个单独的命令来进行高灵敏设置调用变异，应用机器学习模型，并使用BCFtools设置模型阈值。输入的BAM文件应该进行过比对、去重复和BQSR处理。

以下是命令所需的输入参数：

NUMBER_THREADS：计算中将使用的线程数。建议不要超过系统中可用的计算核心数。

REFERENCE：参考基因组FASTA文件。请确保参考基因组文件与比对阶段使用的文件相同。

TUMOR_DEDUPED_BAM：经过去重处理的肿瘤样本的BAM文件。

TUMOR_RECAL_DATA.TABLE：肿瘤样本的BQSR结果文件。

NORMAL_DEDUPED_BAM：经过去重处理的正常样本的BAM文件。

NORMAL_RECAL_DATA.TABLE：正常样本的BQSR结果文件。

TUMOR：BAM文件中肿瘤样本的SM标签名称。

NORMAL：BAM文件中正常样本的SM标签名称。

TMP_VARIANT_VCF：TNscope变异调用输出的临时文件位置和文件名。

VARIANT_VCF：变异调用输出的位置和文件名。将创建相应的索引文件。软件将输出一个压缩的gz文件。

FILTER_VARIANT_VCF：设置最终阈值后的变异调用输出文件名。由于使用了-O z选项，输出文件将是一个bgzip压缩的vcf.gz文件。

ML_MODEL：机器学习模型文件。

$ML_THRESHOLD：根据模型确定变异为真的概率的阈值。建议使用0.81。