基于注意力机制的双输入卷积神经网络提升全外显子组拷贝数变异检测性能

《Scientific Reports》:A convolutional attention model classifies copy number variants from whole exome sequencing

【字体: 大 中 小 】 时间:2026年03月21日 来源:Scientific Reports 3.9

编辑推荐:

  全外显子组测序(WES)的拷贝数变异(CNV)检测工具常受限于平台差异与有限的基因组背景捕捉能力。为此,研究人员开发了一种融合基因组坐标、染色体标识与归一化测序深度的注意力卷积神经网络模型(CNN-Att)。该模型在包含多种测序平台的独立测试集中展现出稳健的高性能(宏F1达0.83),表明其在临床筛查与跨平台基因组研究中具有重要应用价值。

  
在遗传性疾病与癌症研究中,拷贝数变异(Copy Number Variants, CNV)扮演着至关重要的生物标志物角色。然而,从全外显子组测序(Whole-Exome Sequencing, WES)数据中准确鉴定CNV一直充满挑战。传统基于测序深度(Read-Depth)的检测工具,通常依赖启发式算法,它们捕捉的基因组位置或染色体背景信息有限,并且在不同的测序平台之间泛化性能较差,这阻碍了其在多中心研究和临床规模化应用中的可靠性。为了突破这些局限,一项发表在《Scientific Reports》上的研究提出了一种创新的深度学习方法,旨在实现高灵敏度、高精度且跨平台稳健的WES-CNV检测。
该研究主要采用了基于深度学习的方法。研究人员构建了一个双输入卷积神经网络模型,该模型整合了归一化的测序深度、基因组坐标信息以及染色体身份标识。模型首先在经ECOLI工具标记的千人基因组计划(1000 Genomes Project)数据上进行预训练,随后在七个经过专家人工注释的样本上进行微调。研究使用了包含HiSeq 4000、NovaSeq 6000、MGISEQ 2000和BGISEQ 500等多种测序平台的数据进行模型训练与评估,以验证其跨平台性能。
模型架构与训练策略
研究人员设计了一个包含注意力机制(Attention)的双输入卷积神经网络(Convolutional Neural Network, CNN)。该架构能够同时处理归一化的测序深度信号和包含基因组坐标与染色体身份的特征。注意力层的引入,使得模型能够自动聚焦于那些由小片段或噪声事件产生的微弱深度信号,从而提升对这类事件的检测能力。模型在训练时采用了掩码(Mask)机制,以忽略填充的深度令牌(Padded Depth Tokens)。
模型性能评估
在预留的测试集上,该模型(简称CNN-Att)取得了宏F1分数为0.83、宏精准率-召回率曲线下面积(Macro PR-AUC)为0.93的优异性能。补充材料中报告的进一步情境分析表明,CNN-Att在灵敏度与精密度之间表现出的权衡关系,与已建立的WES CNV检测工具一致,证明了其有效性。
跨平台性能分析
研究的一个关键亮点在于对模型跨测序平台稳健性的验证。在HiSeq 4000、NovaSeq 6000、MGISEQ 2000和BGISEQ 500这四种不同平台上进行的评估显示,CNN-Att的总体F1分数最高可达0.96,表明其在面对不同测序技术产生的数据差异时,依然能保持强大且一致的检测性能。
微调的影响分析
研究探讨了在专家标注数据上进行微调对模型性能的具体影响。结果显示,微调显著提高了对缺失(Deletion)和重复(Duplication)两类CNV的召回率(Recall)。然而,这种性能提升是以更高的假阳性率(False Positive Rate)为代价的,这明确反映了在生物信息学工具开发中灵敏度与精密度之间固有的权衡关系。
注意力机制的可解释性
该模型集成的注意力机制不仅提升了性能,还提供了一定的可解释性。通过可视化注意力权重,研究人员发现模型能够成功高亮出那些特征性的弱深度信号,这些信号通常与小片段CNV或高噪声数据相关,从而解释了模型为何能更好地检测此类疑难事件。
该研究成功开发并验证了一种名为CNN-Att的新型深度学习模型,用于从全外显子组测序数据中检测拷贝数变异。其主要结论是,该模型通过整合多维基因组背景信息并利用注意力机制,实现了优于传统启发式方法的高精度与高灵敏度。尤为重要的是,模型在多种主流测序平台上均展现出卓越且稳健的性能,克服了现有工具跨平台泛化能力差的痛点。对模型行为的分析揭示了其通过注意力聚焦于弱信号来检测复杂CNV事件的内在机制。尽管微调在提升召回率的同时引入了更多假阳性,但这为使用者根据实际应用场景(如临床初筛与确诊)在灵敏度与精密度之间进行权衡提供了明确指导。这些结果强有力地表明,CNN-Att模型在临床病例的初步筛查、多中心基因组学项目以及大规模人群筛查等场景中具有重要的应用潜力,为精准医学提供了更可靠的分析工具。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号