Sentieon | 应用教程: TNscope® 使用机器学习模型进行有匹配正常样本的体细胞变异发现

# 一、使用TNscope®中机器学习模型

## 1. TNscope®中机器学习模型的目标

TNscope®允许您使用机器学习模型进行变异过滤，以提高结果的准确性。机器学习模型的方法描述在https://www.biorxiv.org/content/early/2018/01/19/250647 中，并在TNscope®中使用一系列灵敏设置来检测更多的候选变异，然后通过基于模型的变异过滤。

Sentieon®为您提供基于GIAB多个样本真集训练的机器学习模型https://github.com/genome-in-a-bottle 。

## 2. 在TNscope®中使用机器学习模型

需要运行三个单独的命令来进行高灵敏设置调用变异，应用机器学习模型，并使用BCFtools设置模型阈值。输入的BAM文件应该进行过比对、去重复和BQSR处理。
```
sentieon driver -t NUMBER_THREADS -r REFERENCE \
  -i TUMOR_DEDUPED_BAM -q TUMOR_RECAL_DATA.TABLE \
  -i NORMAL_DEDUPED_BAM -q NORMAL_RECAL_DATA.TABLE \
  --algo TNscope --tumor_sample TUMOR --normal_sample NORMAL \
  --clip_by_minbq 1 --max_error_per_read 3 --disable_detector sv \
  --min_init_tumor_lod 2.0 --min_base_qual 10 --min_base_qual_asm 10 \
  --min_tumor_allele_frac 0.00005 TMP_VARIANT_VCF
sentieon driver -t NUMBER_THREADS -r REFERENCE --algo TNModelApply \
  --model ML_MODEL -v TMP_VARIANT_VCF VARIANT_VCF
bcftools filter -s "ML_FAIL" -i "INFO/ML_PROB > $ML_THRESHOLD" VARIANT_VCF \
  -O z -m x -o FILTER_VARIANT_VCF
```
**以下是命令所需的输入参数：**

- `NUMBER_THREADS`：计算中将使用的线程数。建议不要超过系统中可用的计算核心数。

- `REFERENCE`：参考基因组FASTA文件。请确保参考基因组文件与比对阶段使用的文件相同。

- `TUMOR_DEDUPED_BAM`：经过去重处理的肿瘤样本的BAM文件。

- `TUMOR_RECAL_DATA.TABLE`：肿瘤样本的BQSR结果文件。

- `NORMAL_DEDUPED_BAM`：经过去重处理的正常样本的BAM文件。

- `NORMAL_RECAL_DATA.TABLE`：正常样本的BQSR结果文件。

- `TUMOR`：BAM文件中肿瘤样本的SM标签名称。

- `NORMAL`：BAM文件中正常样本的SM标签名称。

- `TMP_VARIANT_VCF`：TNscope®变异调用输出的临时文件位置和文件名。

- `VARIANT_VCF`：变异调用输出的位置和文件名。将创建相应的索引文件。软件将输出一个压缩的gz文件。

- `FILTER_VARIANT_VCF`：设置最终阈值后的变异调用输出文件名。由于使用了-O z选项，输出文件将是一个bgzip压缩的vcf.gz文件。

- `ML_MODEL`：机器学习模型文件。

- `$ML_THRESHOLD`：根据模型确定变异为真的概率的阈值。建议使用0.81。

[**想了解更多Sentieon软件应用教程，可以点击此处进行跳转**](https://doc.insvast.com/doc/10/)