Estimating error models for whole genome sequencing using mixtures of Dirichlet-multinomial distributions.
Estimating error models for whole genome sequencing using mixtures of Dirichlet-multinomial distributions.
复制标题
DOI：
10.1093/bioinformatics/btx133
复制
发表时间：
2017-08-01
期刊：
影响因子：
--
通讯作者：
Cartwright RA
中科院分区：
文献类型：
--
作者：
Wu SH;Schwartz RS;Winter DJ;Conrad DF;Cartwright RA
准确识别基因型是基因组数据分析的重要组成部分，包括识别序列多态性、将突变与疾病联系起来以及确定突变率。对基因分型产生不利影响的生物和技术过程包括拷贝数变异、旁系同源序列、文库制备、测序错误和参考映射偏差等。我们将所有数据的读取深度建模为狄利克雷多项分布的混合，从而比以前使用的模型有了显着的改进。在大多数情况下，最佳模型由两个分布组成。主成分分布类似于二项式分布，具有低误差和低参考偏差。次要成分分布过度分散，误差和参考偏差较高。我们还发现，适合次要成分的位点富含拷贝数变异和低复杂性区域，这可能会产生错误的基因型识别。通过删除不适合主要成分的位点，我们可以提高基因型调用的准确性。方法和数据文件可在 https://github.com/CartwrightLab/WuEtAl2017/ (doi:10.5281/zenodo.256858) 获取。 补充数据可在生物信息学在线获取。
Accurate identification of genotypes is an essential part of the analysis of genomic data, including in identification of sequence polymorphisms, linking mutations with disease and determining mutation rates. Biological and technical processes that adversely affect genotyping include copy-number-variation, paralogous sequences, library preparation, sequencing error and reference-mapping biases, among others. We modeled the read depth for all data as a mixture of Dirichlet-multinomial distributions, resulting in significant improvements over previously used models. In most cases the best model was comprised of two distributions. The major-component distribution is similar to a binomial distribution with low error and low reference bias. The minor-component distribution is overdispersed with higher error and reference bias. We also found that sites fitting the minor component are enriched for copy number variants and low complexity regions, which can produce erroneous genotype calls. By removing sites that do not fit the major component, we can improve the accuracy of genotype calls. Methods and data files are available at https://github.com/CartwrightLab/WuEtAl2017/ (doi:10.5281/zenodo.256858). Supplementary data is available at Bioinformatics online.
登录
查看更多内容
影响因子：
3.7
作者：
Frith, Martin C.
通讯作者：
Frith, Martin C.
影响因子：
5.8
作者：
Li, Heng
通讯作者：
Li, Heng
影响因子：
5.8
作者：
Malhis, Nawar;Jones, Steven J. M.
通讯作者：
Jones, Steven J. M.
使用下一代 DNA 测序数据进行变异发现和基因分型的框架。
影响因子：
30.8
作者：
通讯作者：
--
MultiSNV：一种改善从多个相关肿瘤样品的体细胞突变检测的概率方法。
影响因子：
14.9
作者：
Josephidou M;Lynch AG;Tavaré S
通讯作者：
Tavaré S