A general approach to the analysis of errors and failure modes in the base-calling function in automated fluorescent DNA sequencing
Notice bibliographique
Résumé
We describe the analysis of errors and failure modes in the base-calling function in automated DNA sequencing, on instruments in which fluorescently-labeled Sanger dideoxy-sequencing ladders are detected via their times of migration past a fixed detector. A general approach entails the joint use of: (i) well-defined control samples such as M13mp18, and (ii) mathematical simulation of sequencing electropherograms, with the deliberate introduction of different types of distortion and noise. An algorithm, the electrophoretic trace simulator (ETS), is used to calculate electrophoresis traces corresponding to the output data stream of an automated fluorescent DNA sequencer. The ETS accepts a user-defined sequence of nucleotide bases (A, C, G, T) as input, and employs user-adjustable functions to compute the following critical parameters of an electropherogram: peak intensity, peak spacing, peak shape as a function of base number; background, noise, and spectral cross-talk correction (for a sequencer using multiple dyes). We use a combination of M13mp18 controls and simulated electropherograms to analyze two problems of considerable practical importance: (i) variation in electrophoretic migration rates between different lanes of a gel, and (ii) variation in signal intensity due to user-dependent loading artifacts. The issue of base-calling errors and failure modes, for electropherograms that contain noise and distortion, is addressed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».