MétaCan
Menu
← Retour à la cohorte
Enregistrement W4230043107 · doi:10.1158/1538-7445.am2019-2465

Abstract 2465: Genomic harmonization of the Data Resource Center for Gabriella Miller Kids First Pediatric Research Program

2019· article· en· W4230043107 sur OpenAlexaff
Yuankun Zhu, Miguel Brown, Batsal Devkota, Bailey Farrow, Bogdan Gavrilovic, Allison P. Heath, Kyle M. Hernandez, Avi Kelman, Parimala Killada, Meen Chul Kim, Daniel Kolbman, Mateusz Koptyra, Milan Kovačević, Maarten Leerkes, Alex Lubneuski, Michele Mattioni, Pichai Raman, Adam Resnick, Nikola Skundric, Deanne Taylor, Junjun Zhang, Bo Zhang, Phillip B. Storm

Notice bibliographique

RevueCancer Research · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Bioinformatics, and Biomedical Research
Établissements canadiensOntario Institute for Cancer Research
Organismes subventionnairesnon disponible
Mots-clésWorkflowHarmonizationComputer scienceEnsemblData scienceResource (disambiguation)World Wide WebGenomicsDatabaseGenomeBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Gabriella Miller Kids First Pediatric Research Program (GMKF) is a nation-wide, multi-year initiative focused on the integration of large-scale clinically annotated genomic data for childhood cancers and structural birth defects supported by the NIH Common Fund. Awarded by GMKF, the Kids First Data Resource Center (DRC) is tasked to build infrastructure and workflows for data intaking, harmonization, integration and access authorization to empower collaborative discoveries across the GMKF and other integrated datasets. A key challenge for uniform analyses and empowered discovery of large-scale genomic data relates to the diverse genomic processing workflows and methods employed across the sequencing and bioinformatics community. The DRC genomic harmonization team aims to provide “analysis ready” datasets that are “functionally equivalent” across the Kids First datasets and other large-scale genomic data initiatives in order to accelerate the discovery process. Paired with the cloud-based workspace environments of the DRC, such harmonized dataset provide unprecedented opportunities for shared, reproducible discovery by a diverse, collaborative network of researchers. As such, DRC initial pipelines are developed with BWA-MEM alignment on genome build GRCh38 followed by the GATK best practices for germline variant calling and joint genotyping. Common Workflow Language (CWL) is used as the main workflow specification, while Docker technology has been applied to containerize all the tools used by the workflow. Our current workflows are tasked with data harmonization across a number of different experimental platforms including whole genome sequencing, exome sequencing, and RNA-seq. The data processing is done via CAVATICA, an Amazon Web Services (AWS) based cloud computing platform associated with the Kids First DRC Portal co-developed by Seven Bridges Genomics, where workflows feature scatter-gather parallelization and AWS resource optimization. By utilizing such a framework, the DRC team has harmonized over 10,000 WGS and 1,000 RNA-Seq samples across 12 study cohorts within 8 months. This dataset in its current release includes samples from 40 pediatric brain cancers as well as 8 childhood birth defects with the outcome of delivering 150TB harmonized CRAM and 60TB gVCF. With a highly optimized bioinformatics pipeline powered by an efficient cloud-based execution workflow, The DRC platform processes one genome in about 11 hours with an average compute cost of $15 for whole genome alignment and germline variant calling. Here we present our observed challenges and identified opportunities in the analysis and integration of multi-disease pediatric genomic data on a large scale. Citation Format: Yuankun Zhu, Miguel Brown, Batsal Devkota, Bailey Farrow, Bogdan Gavrilovic, Allison Heath, Kyle Hernandez, Avi Kelman, Parimala Killada, Meen Chul Kim, Daniel Kolbman, Mateusz Koptyra, Milan Kovacevic, Maarten Leerkes, Alex Lubneuski, Michele Mattioni, Pichai Raman, Adam Resnick, Nikola Skundric, Deanne Taylor, Junjun Zhang, Bo Zhang, Phillip B. Storm. Genomic harmonization of the Data Resource Center for Gabriella Miller Kids First Pediatric Research Program [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2019; 2019 Mar 29-Apr 3; Atlanta, GA. Philadelphia (PA): AACR; Cancer Res 2019;79(13 Suppl):Abstract nr 2465.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,042
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,007
Études des sciences et des technologies0,0030,001
Communication savante0,0060,003
Science ouverte0,0070,011
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0420,021

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,406
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetGenetics, Bioinformatics, and Biomedical Research→Travaux en français237 207→