Machine learning/fr

Apprentissage automatique

Les concepts d'électrophysiologie patch-clamp et monocanal sont pertinents pour les mesures de nanopores. Source : Wikimedia Commons, CC BY-SA 4.0.

Apprentissage automatique dans la recherche sur les nanopores fait référence à des méthodes informatiques qui apprennent des modèles à partir de signaux électriques bruts, de lectures de base, d'alignements et de données de contrôle qualité. C’est important car les mesures de nanopores sont longues, bruyantes, dépendantes du contexte et souvent produites en temps réel.

Pourquoi c’est important

Les dispositifs à nanopores mesurent les changements dans le courant ionique ou les signaux associés lorsque des molécules traversent une pore ou interagissent avec elle. La même molécule peut produire des traces de signaux différentes en fonction de la chimie de la pore, de la vitesse du moteur, de la température, de la préparation de l'échantillon, de l'électronique utilisée, ainsi que des bases environnantes. L'apprentissage automatique (machine learning) aide à relier ces signaux variables à des interprétations biologiques ou chimiques.

Les principales utilisations incluent :

• Basecalling : la conversion d'un signal brut en séquence d'ADN ou d'ARN.
• Détection des modifications de base modifiées – identification de la méthylation et d’autres modifications de nucléotides directement à partir du signal.
• Segmentation des signaux – Détection d'événements, d'arrêts temporaires, d'adaptateurs, de pores, ainsi que des limites des données lues.
• Contrôle de qualité – Prédiction de la fiabilité de la lecture, de l'état des pores, de la contamination et des performances du processus.
• Échantillonnage adaptatif – décider en temps réel s’il faut continuer à séquencer une molécule.
• Analyse des variantes et du consensus – Combinaison de lectures approfondies des données et de profils d'erreurs basés sur des modèles.

Tâches représentatives

Tâche	Entrée typique	Sortie exemple	Pourquoi c’est difficile --- `| Tâche | Entrée typique | Sortie exemple | Pourquoi c’est difficile |`	---------------------- | ---------------------- | -------------------------------------- |`	Un texte en anglais | Le texte traduit en français | La traduction nécessite une compréhension approfondie du contexte et une maîtrise des nuances linguistiques |`	Un fichier HTML | Le fichier HTML modifié | La modification doit respecter les spécifications de MediaWiki |`	Un titre et un résumé | La page créée avec des informations complètes | La rédaction d’un contenu de qualité demande du temps et de l’attention |`	Le nom de la page | La page supprimée | Il faut vérifier que la page n’affecte pas d’autres éléments du site |`	... | ... | ... |`
Basecalling	Signal actuel brut ou signal POD5/FAST5	Lectures FASTQ avec scores de qualité	La vitesse du signal varie et les bases voisines influencent les niveaux actuels.
Détection des bases modifiées	Alignement du signal avec la référence	5mC, 5hmC, m6A ou autres modifications des bases	Les bases modifiées et non modifiées peuvent présenter des différences de signal subtilles, dépendantes du contexte.
Échantillonnage adaptatif	Signal en flux ou séquence de base appelée précoce	Décision d’acceptation/rejet pour une molécule	La décision doit être suffisamment rapide pour être prise pendant le séquençage.
Détection d'événements	Trajectoire actuelle en série temporelle	Événements de translocation ou de liaison potentiels	Le bruit, les variations, les variations des pores, ainsi que les événements de courte durée peuvent obscurcir les limites.
Suivi des performances	Résumé de la séquençage, longueur du texte lu, état des pores, indicateurs de qualité	Alertes et résumés de qualité	Les indicateurs évoluent avec le temps et varient en fonction du protocole utilisé.

Exemples notables

• DeepNano a utilisé des réseaux neuronaux récurrents pour le décodage des données génétiques (basecalling) du MinION, un outil open-source, et a démontré comment les modèles appris pouvaient réduire les erreurs de lecture des données à travers les nanopores.
• MinCall a exploré le fonctionnement d'un réseau de neurones convolutifs de type « end-to-end » pour l'analyse de séquences, en combinant cette approche avec un modèle de modélisation de séquences de type CTC (Connectionist Temporal Classification).
• Bonito, Guppy et Dorado représentent des méthodes modernes d'analyse des données basées sur des réseaux de neurones, utilisées dans le cadre des workflows d'Oxford Nanopore.
• Les appelants de base à poolage dynamique (dynamic-pooling basecallers), tels que Heron et Osprey, gèrent la vitesse de translocation des molécules variables en adaptant le comportement de poolage des réseaux neuronaux.
• Les projets de « basecalling » sensibles au matériel, tels que RUBICON, étudient comment rendre les outils de calcul des bases nucléaires (neural basecallers) plus rapides et moins gourmands en mémoire.
• Les outils de type « Modified-base », tels que les modèles de signalisation de style Nanopolish et les approches neuronales plus récentes, permettent d'analyser directement la méthylation ou les modifications des séquences sans avoir besoin de convertir les acides nucléiques en leur forme bisulfite.
• Les outils d'échantillonnage adaptatif utilisent une analyse rapide des signaux ou des séquences pour enrichir les molécules cibles ou éliminer les molécules indésirables au cours d'une expérience.

Bonnes pratiques

Les résultats de l'apprentissage automatique doivent être interprétés dans leur contexte expérimental. Un modèle entraîné sur une certaine chimie des pores, un ensemble d'instruments, un organisme particulier, une modification de base moléculaire ou une version de logiciel ne se transférera pas nécessairement de manière optimale à un autre contexte. Les rapports doivent indiquer, si possible, la version du modèle, les données utilisées pour l'entraînement ou la calibration, le génome de référence, les seuils utilisés ainsi que la méthode de validation.

Pièges courants

• Traiter les résultats du modèle comme des données fiables sans aucune validation indépendante.
• Comparaison d'outils pour différentes chimies poreuses ou différentes versions du logiciel BaseCaller, sans contrôles de référence.
• Ignorer les problèmes de calibration, le déséquilibre des classes et les taux de faux positifs dans l’analyse basée sur des bases modifiées.
• Seules les précisions au niveau de la lecture sont prises en compte, tandis que les aspects liés au consensus ou à l’exactitude des tâches ultérieures sont ignorés.
• Utiliser des noms de modèles propriétaires sans enregistrer les versions et les paramètres du logiciel.

Articles et ressources sélectionnés

• Boza V, Brejova B, Vinar T. DeepNano : Réseaux de neurones récurrents profonds pour l'analyse des données obtenues par les lectures à travers les nanopores MinION. 2016.
• Wick RR, Judd LM, Holt KE. « Performance of basiccalling tools based on neural networks for sequencing using Oxford Nanopore ». *Genome Biology*, 2019.
• Miculinic N, Ratkovic M, Sikic M. MinCall : Une base pour l'apprentissage profond convolutif de bout en bout utilisant la technologie MinION. 2019.
• Kovaka S, Fan Y, Ni B, Timp W, Schatz MC. Séquençage de nanopores ciblés par cartographie en temps réel du signal électrique brut à l’aide de l’algorithme UNCALLED. *Nature Biotechnology*. 2021.
• Boza V, Peresini P, Brejova B, Vinar T. L’application de techniques de poolage dynamique améliore la précision des appels aux fonctions de base des nanopores.. 2021.
• Singh G et al. RUBICON : Un cadre pour la conception d'outils de détection des séquences génomiques basés sur l'apprentissage profond et efficaces. 2022.
• Wang Z et al. ont adapté les modèles de détection des bases utilisés dans le séquençage par nanopores à la détection des modifications dans les séquences génétiques, en utilisant des méthodes d’apprentissage incrémental et de détection d’anomalies. Article publié dans « Nature Communications » en 2024.
• Oxford Nanopore Technologies. L'outil basecaller Dorado et ses outils associés.

Pages liées

• Séquençage par nanopores
• Bioinformatique
• Analyse de données
• Détection d'événements
• Bruit et filtrage