Maschinelles Lernen
Maschinelles Lernen
Maschinelles Lernen in der Nanoporenforschung bezieht sich auf computergestützte Methoden, die Muster aus rohen elektrischen Signalen, Basensequenzdaten, Alignierungsresultaten sowie Qualitätskontrolldaten erkennen. Dies ist von großer Bedeutung, da Nanoporenmessungen in der Regel langwierig sind, störanfällig sind, vom Kontext abhängen und oft in Echtzeit durchgeführt werden.
Warum es wichtig ist
Nanoporenmessgeräte erfassen Veränderungen des ionischen Stroms oder verwandter Signale, wenn Moleküle durch ein Nanopor passieren oder mit diesem interagieren. Dasselbe Molekül kann je nach Chemie des Nanopors, Drehgeschwindigkeit des Motors, Temperatur, Probenpräparation, Elektronik sowie benachbarten Strukturen unterschiedliche Signale erzeugen. Mustererkennung (Machine Learning) hilft dabei, diese variablen Signale mit biologischen oder chemischen Begriffen in Verbindung zu bringen.
Wichtige Anwendungsgebiete umfassen:
- Basecalling – Die Umwandlung von rohen Signalen in DNA- oder RNA-Sequenzen.
- Modifizierte Basen erkennen – Die direkte Identifizierung von Methylierungen und anderen Nukleotidmodifikationen anhand von Signalen.
- Signalsegmentierung – Erkennung von Ereignissen, Pausen, Adaptern, „Poren“ sowie Lesegrenzen.
- Qualitätskontrolle – Die Vorhersage der Lesbarkeit, der Zustand der Poren, der Kontamination sowie der Leistungsfähigkeit eines Prozesses.
- Adaptive Sampling – Die Ermittlung in Echtzeit, ob die Sequenzierung einer Molekülkette fortgesetzt werden soll.
- Varianten- und Konsensanalyse – Kombination aus umfangreichen Untersuchungen und modellbasierten Fehlerprofilen.
Vertretende Aufgaben
| Aufgabe | Typischer Eingabedatensatz | Beispielausgabe | Warum es schwierig ist |
|---|---|---|---|
| Basecalling | Rohes aktuelles Signal oder POD5/FAST5-Signal | FASTQ-Lesevorgänge mit Qualitätsbewertungen | Die Signalgeschwindigkeit variiert, und benachbarte Basen beeinflussen die aktuellen Werte. |
| Modifizierte Basen erkennen | Ausrichtung von Signalen und Referenzen | 5mC, 5hmC, m6A oder andere Modifikationsmerkmale | Modifizierte und unmodifizierte Basen können subtile, auf den Kontext abhängige Unterschiede in ihren Signalen aufweisen. |
| Adaptives Sampling | Fließendes Signal oder frühe Basiskall-Sequenz | Entscheidung über die Annahme/Ablehnung eines Moleküls | Die Entscheidung muss schnell genug erfolgen, um während der Sequenzierung reagieren zu können. |
| Ereigniserkennung | Zeitreihen-Verlauf | Mögliche Translokations- oder Bindungsereignisse | Störungen wie Rauschen, Drift, Porenvariationen sowie kurze Ereignisse können die Grenzen verfälschen. |
| Überwachung durchführen | Zusammenfassung der Sequenzierung, Lesezeit, Porenzustand, Qualitätsmetriken | Warnungen und Qualitätsauszüge | Die Metriken ändern sich im Laufe der Zeit und variieren je nach Protokoll. |
Bemerkenswerte Beispiele
- DeepNano nutzte rekurrente neuronale Netze für die frühe, open-source-basierte Basecalling-Analyse von MinION-Daten und zeigte, wie gelernte Modelle die Fehlerrate bei der Lesung von Daten durch Nanoporen verringern können.
- MinCall untersuchte die End-to-End-Verarbeitung von konvolutionellen neuronalen Netzwerken für die Basiskallierung in Kombination mit einer Sequenzmodellierung im CTC-Stil (Convolutional Time Tracking).
- Bonito, Guppy und Dorado stehen für moderne Verfahren zur Auswertung von Daten mithilfe von neuronalen Netzwerken, die in den Arbeitsabläufen von Oxford Nanopore eingesetzt werden.
- Dynamische Pooling-Basecaller wie Heron und Osprey regulieren die Geschwindigkeit der Translokation variabler Moleküle, indem sie das Pooling-Verhalten in neuronalen Netzwerken anpassen.
- hardware-bewusste Basekallprojekte wie RUBICON untersuchen, wie neuronale Basekall-Verfahren schneller und weniger memoryintensiv gemacht werden können.
- Veränderte Basistools wie Nanopolish-artige Signalmodelle sowie neuere neuronale Ansätze unterstützen die direkte Analyse von Methylierungen oder Veränderungen, ohne dass eine Umwandlung mit Bisulfit erforderlich ist.
- Adaptive Sampling Tools nutzen schnelle Signal- oder Sequenzanalysen, um während eines Prozesses bestimmte Moleküle zu selektieren oder unerwünschte Moleküle zu entfernen.
Gute Praxis
Die Ergebnisse des maschinellen Lernens sollten im Zusammenhang mit den experimentellen Umständen interpretiert werden. Ein Modell, das auf einer bestimmten Porenchemie, einem bestimmten Testkit, einem bestimmten Organismus, einer bestimmten Basenmodifikation oder einer bestimmten Softwareversion trainiert wurde, lässt sich möglicherweise nicht perfekt auf andere Fälle übertragen. Berichte sollten bei Möglichkeit die Version des Modells, die verwendete Chemie, die Trainings- oder Kalibrierungsdaten, das Referenzgenom, die Schwellenwerte sowie die Validierungsmethode angeben.
Häufige Fallstricke
- Das Modellausgabe als „Ground Truth“ zu betrachten, ohne eine entsprechende Überprüfung durchzuführen.
- Vergleich von Tools bei unterschiedlichen Porenchemien oder verschiedenen Versionen von BaseCallern – ohne Kontrollgruppen.
- Ignorierung der Kalibrierung, des Klassenungleichgewichts sowie der Falschpositivraten in der Analyse modifizierter Basen.
- Lediglich die Genauigkeit auf Leseebene wird berichtet, wobei die Genauigkeit im Konsens oder die Genauigkeit bei nachfolgenden Aufgaben ignoriert wird.
- Die Verwendung proprietärer Modellnamen ohne Aufzeichnung der Softwareversionen und -parameter.
Ausgewählte Arbeiten und Ressourcen
- Boza V, Brejova B, Vinar T. DeepNano: Tief rekurrente neuronale Netze zur Auswertung von MinION-Nanoporen-Daten. 2016.
- Wick RR, Judd LM, Holt KE. Leistung von Tools zur Basenauflösung mit neuronalen Netzen für die Oxford-Nanopore-Sequenzierung. Genome Biology. 2019.
- Miculinic N, Ratkovic M, Sikic M. MinCall: MinION – eine End-to-End-Konvolutionelle Deep-Learning-Basisbibliothek. 2019.
- Kovaka S, Fan Y, Ni B, Timp W, Schatz MC. Zielgerichtete Sequenzierung von Nanoporen durch die Echtzeit-Kartierung von Roh-Elektrosignalen mit UNCALLED. „Nature Biotechnology“. 2021.
- Boza V, Peresini P, Brejova B, Vinar T. Dynamisches Pooling verbessert die Genauigkeit der Nanoporen-Basenaufrufe. 2021.
- Singh G et al. RUBICON: Ein Framework zur Entwicklung effizienter, auf Deep Learning basierender Genom-Analyse-Tools. 2022.
- Wang Z et al. Anpassung von Baseler Erkennungsmodellen für die Sequenzierung von Nanoporen zur Erkennung von Modifikationen mittels inkrementellen Lernens und Anomalieerkennung. Nature Communications. 2024.
- Oxford Nanopore Technologies: Dorado Basecaller und verwandte Tools