Обработка данных секвенирования следующего поколения в один клик Афанасьев Андрей, Генеральный директор iBinom. - презентация

1 Обработка данных секвенирования следующего поколения в один клик Афанасьев Андрей, Генеральный директор iBinom

2 Проблемы текущих решений Сложная установка Сложная настройка Медленная работа Плохая воспроизводимость результатов Плохая визуализация результатов

3 Задача Сделать продукт по анализу данных NGS для диагностики наследственных заболеваний для врачей: – Простой интерфейс – Минимум настроек – Высокая скорость работы и воспроизводимость результатов – Высокая точность

4 Технические сложности Алгоритмическая сложность и ресурсоемкость (до 1000 CPU*h на анализ) Большой объем входных данных (1-500 Гб) Разные форматы данных FastQ (длины ридов, качество в phred33/phred64) Обеспечение безопасности передачи и хранения данных

5 Подход Фильтрация ридов по качеству Картирование Фильтрация по таргетным регионам Поиск SNP и коротких indel Аннотация Сортировка по патогенности и формирование отчета

6 Реализация Распределенные вычисление в облаке Amazon в рамках парадигмы MapReduce (неограниченная масштабируемость) Хранение данных в S3 Картирование BWA-MEM Референс hg19 GRCh37.p13 assembly, ver Коллинг SamTools Аннотация SnpEff Собственная оценка патогенности – ibinom score

7 Выравнивание (симулированные данные) Total Correct Reads (%)Incorrectly Mapped Reads (%) Unmapped Reads (%) iBinom %1.27%0.00% Bowtie %3.15%0.53% Bwa %1.02%6.51%

8 Коллинг

9

10 iBinom Score Машинное обучение с помощью алгоритма градиентного бустинга Обучающая выборка: – Патогенные: записи из dbsnp c clinvar clinical significance = pathogenic – Непатогенные: записи из dbsnp c частотой самого редкого аллеля >5% во всех популяциях

11 iBinom Score Точность: 93.44% Полнота: 90.96% F-measure: 92.18% Обучение по базам и скорам: 1000genomes, ClinVar, dbSNP, dbNSFP, Ensembl Project, EntrezGene, Exome Variant Server, GeneReviews, GERP++, GO, MutationAssessor, MutationTaster, Orpha Date, Reactome, RefSeq, SeattleSeq, SiPhy, snpEff, UniProt и др.

12

13 Использование iBinom 1. Поддерживается любой FASTQ файл, включая архивы.gz, кроме colorspace 2. Встроенный тримминг адаптеров 3. Можно объединять несколько файлов в один образец 4. Можно скачать vcf-файл (в формате v.4.1) 5. Для передачи используется шифрованное соединение https

14

15

16

17

18 Планы 1. Система подбора болезней (по симптомам, по списку генов, по списку болезней) 2. Ветвление пайплайна (например, выравнивание TMAP для IonTorrent) 3. Переделка и упрощение интерфейса программы

19 Приглашаем к сотрудничеству!