PREDICTING QUALITY OF SEQUENCING RESULTS USING DEEP NEURAL NETWORKS

• Main Authors: KIA, Amirali, DUTTA, Anindita
• Format: Patent
• Language: English; French
• Published: 11.07.2019
• Subjects: BEER; BIOCHEMISTRY; CHEMISTRY; COMPOSITIONS OR TEST PAPERS THEREFOR; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL ORENZYMOLOGICAL PROCESSES; ENZYMOLOGY; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEICACIDS OR MICROORGANISMS; METALLURGY; MICROBIOLOGY; MUTATION OR GENETIC ENGINEERING; PHYSICS; PROCESSES OF PREPARING SUCH COMPOSITIONS; SPIRITS; VINEGAR; WINE

The technology disclosed predicts quality of base calling during an extended optical base calling process. The base calling process includes pre-prediction base calling process cycles and at least two times as many post-prediction base calling process cycles as pre-prediction cycles. A plurality of time series from the pre-prediction base calling process cycles is given as input to a trained convolutional neural network. The convolutional neural network determines from the pre-prediction base calling process cycles, a likely overall base calling quality expected after post-prediction base calling process cycles. When the base calling process includes a sequence of paired reads, the overall base calling quality time series of the first read is also given as an additional input to the convolutional neural network to determine the likely overall base calling quality after post-prediction cycles of the second read. La technologie décrite permet de prédire la qualité d'un appel de base pendant un processus d'appel de base optique étendu. Le processus d'appel de base comprend des cycles de processus d'appel de base pré-prédiction et au moins deux fois autant de cycles de processus d'appel de base post-prédiction que de cycles de pré-prédiction. Une pluralité de séries chronologiques à partir des cycles de processus d'appel de base pré-prédiction est appliquée en tant qu'entrée à un réseau neuronal convolutionnel entraîné. Le réseau neuronal convolutionnel détermine, à partir des cycles de processus d'appel de base pré-prédiction, une qualité globale probable d'appel de base attendue après les cycles de processus d'appel de base post-prédiction. Lorsque le processus d'appel de base comprend une séquence de résultats appariés, la série chronologique de qualité d'appel de base globale du premier résultat est également appliquée en tant qu'entrée supplémentaire au réseau neuronal convolutionnel pour déterminer la qualité d'appel de base globale probable après les cycles post-prédiction du deuxième résultat.