作者：鄭翰欽/有勁生物科技
隨著演算法的日新月異，很多變異點偵測(Variant Calling)軟體陸續被開發出來，如16gt、lancet等等。當然，老牌軟體諸如GATK、freebayes、varscan、vardict等也仍持續進行運作準確度與效率的改善。如今還有些軟體打著AI的旗幟，標榜自己使用AI來辨識變異點(variant)，因此可得到極為準確的結果，例如DeepVariant1(相關原理可以參考有勁部落格《結合深度學習與基因檢測的DeepVariant》一文)。然而，究竟哪個軟體的變異點偵測比較準確？想要驗證這一點，就得先要有一個「標準結果」以供評比才行。
那麼，誰做出來的偵測結果夠資格被大家公認為「標準結果」呢？由於目前所有的變異點皆是用演算法「算」出來的，所以真的很難去評斷誰的答案更為接近實際狀況。幸好後來美國國家標準暨技術研究院(NIST; National Institute of Standards and Technology)成立了一個名為「瓶中基因體」2的策略聯盟(GIAB; Genome in a Bottle Consortium)，專門負責去製作這個「標準結果」。
GIAB是以人類作為研究物種，並為其建立出變異點偵測的標準分析流程、準則與偵測結果。為了盡可能提升這個「結果」的準確率，GIAB使用了ABI Solid、Illumina、PacBio、Ion Proton等多種定序平台來進行定序；並且還輔以多種變異點偵測軟體、以及極深的定序量(300x coverage)，來確保能夠獲得更接近真實狀況的偵測結果。一旦有新技術出現，GIAB也會採用這些技術去進行「標準結果」的版本更新。表一即為GIAB所研究的人類樣本與相關變異點偵測資料的範例。
表一、GIAB所研究的人類樣本與相關變異點偵測資料範例
資料來源：National Institute of Standards and Technology (NIST). 2012 Jul. Genome in a bottle (GIAB).
GIAB的這些「標準結果」都被用在什麼地方呢？變異點偵測軟體開發者會拿來測試自家軟體，有人會拿來作為AI機器學習的培訓用數據(training data)；也有單位會拿來舉辦比賽，比比看誰的軟體比較優秀。美國食品暨藥物管理局(FDA; Food and Drug Administration)於2016年就曾舉辦PrecisionFDA Truth Challenge競賽3。在當時HG001是已被軟體開發者廣為使用的變異點偵測「標準結果」，而2016年PrecisionFDA Truth Challenge競賽時，FDA則是跟GIAB取得最新但尚未公開釋出的標準結果─HG002，提供各大開發商相關的定序資料去測試軟體產品的變異點偵測能力，然後互相比拼，一爭高下。那一年以標榜使用AI聞名的DeepVariant，在比賽中贏得了Challenge Community Challenge Awards六個獎項中的「最佳單核苷酸多態性(SNP)綜合分數獎(Highest-SNP-Performance)」4。
直到今日，GIAB仍不斷地在修正變異點偵測的「標準結果」，並公布給大家參考。若你手中正好有變異點偵測軟體想測試一下準確度，不妨就拿GIAB的結果比對看看，或許會讓你有意想不到的驚奇體驗！
參考文獻
1. Poplin, R., et al. A universal SNP and small indel variant caller with deep neural networks. Nature Biotechnology. 2018 Sep; 36:983-987. http://dx.doi.org/10.1038/nbt.4235
2. National Institute of Standards and Technology (NIST). 2012 Jul. Genome in a bottle (GIAB). Retrieved from https://www.nist.gov/programs-projects/genome-bottle
3. Food and Drug Administration (FDA). 2016 Apr. PrecisionFDA Truth Challenge: Challenge Info. Retrieved from https://precision.fda.gov/challenges/truth
4. Food and Drug Administration (FDA). 2016 Apr. PrecisionFDA Truth Challenge: Challenge Results. Retrieved from https://precision.fda.gov/challenges/truth/results
留言列表
{{ article.title }}
