[发明专利]使用深度神经网络预测测序结果的质量

摘要

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。

主权项

1.一种用于在扩展的光学碱基识别过程期间对碱基识别质量进行早期预测的计算机实现的方法，所述扩展的光学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，其中，每个碱基识别过程循环包括：(a)将额外的互补核苷酸附加到底物上数百万个位置处的靶核苷酸链的化学处理，(b)在所述底物的图像块上进行相机定位和图像配准，以及(c)在所述图像块上进行图像采集，所述方法包括：/n将来自所述前预测碱基识别过程循环的多个时间序列输入到经过训练的卷积神经网络中，所述多个时间序列包括化学处理子系统性能时间序列、图像配准子系统性能时间序列、图像采集子系统性能时间序列和总碱基识别质量时间序列；/n其中，所述经过训练的卷积神经网络使用碱基识别质量经验进行训练，所述碱基识别质量经验包括所述前预测碱基识别过程循环的多个时间序列和后预测总碱基识别质量时间序列；/n所述经过训练的卷积神经网络根据所述前预测碱基识别过程循环，确定在至少两倍于所述前预测循环的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；以及/n输出所述可能的总碱基识别质量，以供操作员评估。/n