[发明专利]使用深度神经网络预测测序结果的质量

说明书

所公开的技术预测在扩展的光学碱基识别过程期间的碱基识别质量。碱基识别过程包括前预测碱基识别过程循环和至少两倍于前预测循环的后预测碱基识别过程循环。将来自前预测碱基识别循环的多个时间序列作为输入提供给经过训练的卷积神经网络。卷积神经网络根据前预测碱基识别过程循环来确定后预测碱基识别过程循环之后预期的可能的总碱基识别质量。当碱基识别过程包括成对读取的序列时，还将第一读取的总碱基识别质量时间序列作为附加输入提供给卷积神经网络，以确定在第二读取的后预测循环之后可能的总碱基识别质量。

优先权申请

本PCT申请要求于2018年1月5日提交的美国非临时专利申请No.15/863,790的优先权或权益，其标题为“PREDICTING QUALITY OF SEQUENCING RESULTS USING DEEPNEURAL NETWORKS”(律师，卷宗编号：ILLM1002-2/IP-1646-US)。该优先权申请通过引用并入本文以用于所有目的。

技术领域

所公开的技术涉及人工智能型计算机和数字数据处理系统以及用于智能仿真的相应的数据处理方法和产品，包括机器学习系统和人工神经网络。特别地，所公开的技术涉及使用深度学习和深度卷积神经网络来分析有序数据。

背景技术

背景部分中讨论的主题不应仅仅因为其在背景部分中提及而被认为是现有技术。类似地，背景部分中提到的或与背景部分的主题相关的问题不应被认为是先前在现有技术中已经被承认的。背景部分中的主题仅代表不同的方法，这些方法本身也可能对应于所要求保护的技术的实现。

生物或化学研究中的各种方案涉及执行大量的受控反应循环。一些DNA测序方案，诸如边合成边测序(SBS)，检测一系列反应位点的光发射。在SBS中，多个荧光标记的核苷酸用于对位于底物表面的大量的扩增DNA簇(或克隆群)的核酸进行测序。例如，该表面可以定义流动槽中的通道。不同簇中的核酸序列是通过运行数百个循环来确定的，在这些循环中，荧光标记的核苷酸被添加到簇中，然后由光源激发以提供光发射。

虽然SBS是用于确定核酸序列的有效技术，但SBS运行可能需要三天或更长时间才能完成。由于质量问题，有些运行失败。可靠地预测经过几个循环之后测序运行的最终质量，将有利于测序仪器的用户，允许他们在半天或更短的时间后停止不合格的运行。测序仪器的操作员无法提前预测测序运行的最终质量。

幸运的是，已经收集了大量的子系统性能数据，用于执行故障排除。该子系统数据可以被组合起来，并用于在测序读取或运行结束时，以及在读取期间的间隔预测总碱基识别质量。通过使用在运行早期报告的子系统性能指标，经过训练的深度神经网络可以预测可能的总碱基识别质量。

附图说明

所包括的附图用于说明目的，并且仅用于提供本公开的一个或多个实施方式的可能结构和过程操作的示例。在不脱离本公开的精神和范围的情况下，这些附图决不限制本领域技术人员在形式和细节方面所做的任何改变。当结合以下附图考虑时，可以通过参照详细的说明书和权利要求书来获得对主题的更完整的理解，其中，类似的附图标记在全部附图中指代类似的元素。

图1示出了系统的架构级示意图，其中包括质量预测卷积神经网络的机器学习系统预测由测序系统生成的测序数据的总碱基识别质量。

图2示出了在图1的测序质量数据库中每个循环存储的子系统性能和总碱基识别质量数据。

图3示出了由图1的质量预测卷积神经网络的不同层对具有一个通道的输入的处理。

图4示出了由图1的质量预测卷积神经网络的不同层对具有四个通道的输入的处理。

图5示出了存储在图1的测序质量数据库中的子系统性能数据和总碱基识别质量数据的示例。

图6示出了示例测序运行的两次读取的总碱基识别质量数据的图形表示。