NL2023316B1 - Artificial intelligence-based sequencing - Google Patents

Artificial intelligence-based sequencing Download PDF

Info

Publication number
NL2023316B1
NL2023316B1 NL2023316A NL2023316A NL2023316B1 NL 2023316 B1 NL2023316 B1 NL 2023316B1 NL 2023316 A NL2023316 A NL 2023316A NL 2023316 A NL2023316 A NL 2023316A NL 2023316 B1 NL2023316 B1 NL 2023316B1
Authority
NL
Netherlands
Prior art keywords
cluster
image
pixel
sequencing
images
Prior art date
Application number
NL2023316A
Other languages
English (en)
Inventor
Jaganathan Kishore
Dutta Anindita
Kia Amirali
Kashefhaghighi Dorna
Randall Gobbel John
Original Assignee
Illumina Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Illumina Inc filed Critical Illumina Inc
Priority to US16/826,126 priority Critical patent/US11783917B2/en
Priority to US16/825,987 priority patent/US11347965B2/en
Priority to US16/826,134 priority patent/US11676685B2/en
Priority to SG11202012461XA priority patent/SG11202012461XA/en
Priority to US16/826,168 priority patent/US11436429B2/en
Priority to SG11202012441QA priority patent/SG11202012441QA/en
Priority to AU2020241586A priority patent/AU2020241586A1/en
Priority to PCT/US2020/024088 priority patent/WO2020191387A1/en
Priority to AU2020241905A priority patent/AU2020241905A1/en
Priority to KR1020207037713A priority patent/KR20210142529A/ko
Priority to MX2020014288A priority patent/MX2020014288A/es
Priority to SG11202012453PA priority patent/SG11202012453PA/en
Priority to EP20719294.9A priority patent/EP3942073A2/en
Priority to JP2020572715A priority patent/JP2022525267A/ja
Priority to PCT/US2020/024090 priority patent/WO2020191389A1/en
Priority to MX2020014299A priority patent/MX2020014299A/es
Priority to EP20719052.1A priority patent/EP3942071A1/en
Priority to PCT/US2020/024087 priority patent/WO2020205296A1/en
Priority to CN202080003614.9A priority patent/CN112334984A/zh
Priority to AU2020256047A priority patent/AU2020256047A1/en
Priority to AU2020240383A priority patent/AU2020240383A1/en
Priority to BR112020026408-3A priority patent/BR112020026408A2/pt
Priority to PCT/US2020/024091 priority patent/WO2020191390A2/en
Priority to KR1020207037712A priority patent/KR20210143100A/ko
Priority to EP20719053.9A priority patent/EP3942072B1/en
Priority to EP23195503.0A priority patent/EP4276769A3/en
Priority to JP2021517978A priority patent/JP2022524562A/ja
Priority to BR112020026433-4A priority patent/BR112020026433A2/pt
Priority to MX2020014293A priority patent/MX2020014293A/es
Priority to EP20718112.4A priority patent/EP3942070A1/en
Priority to CN202080005431.0A priority patent/CN112789680A/zh
Priority to KR1020217009877A priority patent/KR20210143154A/ko
Priority to JP2020572703A priority patent/JP2022526470A/ja
Priority to CN202080004547.2A priority patent/CN112585689A/zh
Priority to BR112020026426-1A priority patent/BR112020026426A2/pt
Priority to CN202080003622.3A priority patent/CN112313666A/zh
Priority to JP2020572704A priority patent/JP2022532458A/ja
Priority to KR1020217003269A priority patent/KR20210145115A/ko
Priority to EP20757979.8A priority patent/EP3942074A2/en
Priority to PCT/US2020/024092 priority patent/WO2020191391A2/en
Priority to MX2020014302A priority patent/MX2020014302A/es
Priority to KR1020217003270A priority patent/KR20210145116A/ko
Priority to BR112020026455-5A priority patent/BR112020026455A2/pt
Priority to CA3104951A priority patent/CA3104951A1/en
Priority to SG11202012463YA priority patent/SG11202012463YA/en
Priority to CN202080004529.4A priority patent/CN112689875A/zh
Priority to JP2020572706A priority patent/JP2022535306A/ja
Priority to AU2020240141A priority patent/AU2020240141A1/en
Application granted granted Critical
Publication of NL2023316B1 publication Critical patent/NL2023316B1/en
Priority to IL279525A priority patent/IL279525A/en
Priority to IL279527A priority patent/IL279527A/en
Priority to IL279533A priority patent/IL279533A/en
Priority to IL279522A priority patent/IL279522A/en
Priority to IL281668A priority patent/IL281668A/en
Priority to US18/296,125 priority patent/US20240071573A1/en

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR

Claims (32)

CONCLUSIES
1. Computer geimplementeerde werkwijze, omvattende: het verwerken van eerste beeldgegevens omvattende beelden van analyten en hun omgevende achtergrond gevangen door een sequencing systeem voor een of meer sequencing cycli van een sequencing run door een neuraal netwerk en het produceren van een base-toewijzing voor een of meer van de analyten van de een of meer sequencing cycli van de sequencing run.
2. Computer geïmplementeerde werkwijze volgens conclusie 1, waarin de verwerking van de eerste beeldgegevens omvat: het verwerken van een eerste invoer door een eerste neuraal netwerk teneinde een eerste uitvoer te produceren, waarin de eerste invoer de eerste beeldgegevens omvat; het verwerken van de eerste uitvoer door een postprocessor teneinde templategegevens te produceren die een of meer eigenschappen van respectievelijke delen van de eerste beeldgegevens aanduiden; en het verwerken van een tweede invoer door een tweede neuraal netwerk teneinde cen tweede uitvoer te produceren, waarin de tweede invoer de eerste beeldgegevens en supplementaire gegevens omvat; waarin de supplementaire gegevens de template gegevens omvatten, en waarin de tweede uitvoer basistoewij zingen identificeert voor een of meer van de analyten in een of meer sequencing cycli van de sequencing run.
3. Computer geïmplementeerde werkwijze volgens conclusie 1 of 2, waarin het verwerken van de eerste beeldgegevens omvat: het verwerken van de eerste invoer door een eerste neuraal netwerk teneinde een eerste uitvoer te produceren waarm de eerste invoer de eerste beeldgegevens omvat; het verwerken van de eerste uitvoer door een post-processor teneinde templategegevens te produceren die een of meer eigenschappen van de respectievelijke delen van de eerste beeldgegevens aanduiden: en het verwerken van de tweede invoer door een tweede neuraal netwerk teneinde een tweede uitvoer te produceren, waarin de tweede invoer de eerste beeldgegevens omvat die zijn gemodificeerd door gebruik te maken van de templategegevens, en waarin de tweede uitvoer de basistoewijzing identificeert voor een of meer van de analyten in een of meer cycli van de sequencing run.
4. Computer geimplementeerde werkwijze volgens conclusie 3, waarin de tweede invoer verder tweede beeldgegevens omvat die zijn gemodificeerd door gebruik te maken van templategegevens, waarbij de tweede beeldgegevens beelden omvatten van analyten en hun omgevende achtergrond gevangen door het sequencing systeem voor een of meer additionele sequencing cycli van de sequencing run.
5. Computer geïmplementeerde werkwijze volgens een van de conclusies 2-4, waarin de template gegevens een templatebeeld omvatten waarin het templatebeeld een upsampled, subpixel resolutie heeft.
6. Computer geïmplementeerde werkwijze volgens conclusie 5, waarin elke subpixel in het templatebeeld geïdentificeerd wordt als hetzij achtergrond subpixel, analytcentrum subpixel of analyt buitenste subpixel.
7. Computer geïmplementeerde werkwijze volgens een van de conclusies 1-6, waarin de beelden van de analyten en hun omgevingsachtergrond genomen zijn op een optische, pixelresolutie.
8. Computer geïmplementeerde werkwijze volgens conclusie 3-7, waarin modificatie gebruikmakend van de templategegevens omvat: het berekenen van een gebiedwegmgsfactor voor een of meer pixels in de eerste en/of tweede beeldgegevens gebaseerd op hoeveel subpixels in de templategegevens die corresponderen met een pixel in de beelden van de eerste en/of tweede beeldge gevens, delen bevat van een of meer van de analyten; en het modificeren van intensiteiten van de pixels gebaseerd op de gebiedwegingsfactor.
9. Computer geïmplementeerde werkwijze volgens conclusie 6, of volgens een van de conclusies 7 of 8, wanneer deze afhankelijk zijn van claim 6, waarin modificatie gebruikmakend van de templategegevens omvat: het upsampelen van de beelden van analyten en hun omgevende achtergrond naar de geupsampelde subpixelresolutie teneinde geupsampelde beelden te produceren en het toewijzen van de achtergrondintensiteits aan die subpixels in de geupsampelde beelden die corresponderen met de achtergrondsubpixels in het templatebeeld en het toewijzen van analytintensiteit aan die subpixels in de geupsampelde beelden die corresponderen met analytcentrumsubpixels en analyt- binnenste-subpixels in het templatebeeld.
10. Computer geimplementeerde werkwijze volgens conclusie 9, waarin de achtergrondintensiteit een nulwaarde heeft.
11. Computer geimplementeerde werkwijze volgens conclusie 9 of 10, waarin de analytintensiteiten bepaald worden door het interpoleren van de intensiteiten van de pixels in de optische pixelresolutie.
12. Computer geïmplementeerde werkwijze volgens conclusie 6, of volgens een van de conclusies 7-11 wanneer deze afhankelijk zijn van conclusie 6, waarin modificatie gebruikmakend van de template beeldgegevens omvat: het upsampelen van de beelden van de analyten en hun omgevende achtergrond naar de geupsampelde, subpixel resolutie teneinde geupsampelde beelden te produceren en het verdelen van een gehele intensiteit van een pixel in het optische, pixel domein over slechts die samenstellende subpixels van de pixel in de geupsampelde beelden die corresponderen met de analytcentrumsubpixels en de analy-binnenste-sub pixels in het templatebeeld.
13. Computer geïmplementeerde werkwijze volgens een van de conclusies 2-12, waarin templategegevens ten minste een van de eigenschappen identificeren die geselecteerd zijn uit de groep bestaande uit: spatiale verdeling van de analyten, analytvorm, centra van de analyten en analytgrens.
14. Computer geïmplementeerde werkwijze volgens een van de conclusies 2-13, verder omvattende het berekenen van de kwaliteit van de basis-toewijzen gebaseerd op de tweede uitvoer.
15. Computer geïmplementeerde werkwijze volgens een van de conclusies 1-14, verder omvattende het uitvoeren van een meer sequencing cycli om beelden van de analyten en hun omgevende achtergrond te vangen.
16. Computer geïmplementeerde werkwijze volgens een van de conclusies 1-15, verder omvattende het uitvoeren van een aantal sequencing cycli, waarin elk van de sequencing cycli beeldgegevens genereert.
17. Computer geïmplementeerde werkwijze, omvattende: het gebruiken van een eerste netwerk om template gegevens over analyten te bepalen waarin de templategegevens ten minste een van de eigenschappen geselecteerd uit de groep bestaande uit spatiele verdeling van analyten, analytvorm, centra van de analyten en analytgrens identificeren; en het gebruik van een tweede neuraal netwerk om de analyten gebaseerd op de templategegevens aan een basetoewijzing te onderwerpen.
18. Computer geïmplementeerde werkwijze volgens conclusie 17, waarin templategegevens gemodificeerde intensiteitswaardes omvatten teneinde ten minste een van de eigenschappen te identificeren die geselecteerd zijn geselecteerde uit de groep bestaan de uit: spatiele verdeling van de analyten, analytvorm, centra van de analyten en analytgrens, te identificeren; en het verwerken van de gemodificeerde intensiteitswaardes via het tweede neurale netwerk om de analyten aan een basetoewijzing te onderwerpen.
19. Computer geïmplementeerde werkwijze volgens conclusie 17 of 18, waarin template gegevens een template beeld omvatten.
20. Computer geïmplementeerde werkwijze volgens conclusie 19, verder omvattende: het evalueren van het templatebeeld in een geupsampelde subpixeldomein voor ten minste een bepaalde analyt teneinde een pixel die een deel van de ten minste ene bepaalde analyt bevat, en naburige pixesl ten opzichte van de pixel die tevens deel van de ten minste ene bepaalde analyt bevat, te identificeren; het berekenen van een gebiedwegingsfactor voor elke pixel gebaseerd op hoeveel subpixels in elk van de geïdentificeerde pixels delen van de ten minste ene bepaalde analyt bevatten; en het modificeren van een pixelintensiteitwaarde van het geïdentificeerde pixel en de naburige pixels voor verwerking gebaseerd op de gebiedwegingsfactor voor een respectievelijke pixel.
21. Computer geïmplementeerde werkwijze volgens conclusie 20, waarin het evalueren van het templatebeeld verder omvat: het verwerken van een of meer industriële beeldsets respectievelijk gegenereerd in een of meer initiële sequencing cycli van een aantal sequencing cycli via het eerste neurale netwerk teneinde het templatebeeld te produceren om de centra, vormen en grenzen van de analyten op de geupsampelde subpixelresolutie te identificeren, waarin elke beeldset een of meer beelden omvat, waarbij elk van de beelden intensiteitemissies van de analyten en hun omgevende achtergrond in een respectievelijk Kanaal van één of meer afbeeldkanalen, gevangen op de optische, pixelresolutie, afbeeldt.
22. Computer geïmplementeerde werkwijze volgens conclusie 20 of 21, waarin het evalueren van het templatebeeld verder omvat: het evalueren van de analytvorm en grenzen van het ten minste ene bepalen analyt teneinde ten minste een pixel te identificeren die een deel van het ten minste ene bepaalde analyt bevat en naburige pixels ten opzichte van de pixels die tevens een deel bevat van het ten minste een bepaalde analyt, waarin de werkwijze verder omvat: het opslaan van de gebiedwegingsfactor in het templatebeeld; en het genereren van gemodificeerde versie van elk van de beelden met pixels die gemodificeerde pixelintensiteitwaarden hebben; het verwerken van gemodificeerde versies van de beelden via het tweede neurale netwerk i5 teneinde een alternatieve representatie van de gemodificeerde versies te genereren; en base-toewijzing van het ten minste ene bepaalde analyt gebruikmakend van de alternatieve representatie.
23. Computer geïmplementeerde werkwijze volgens conclusie 22, waarin de base-toewijzing verder omvat: het toegang krijgen tot een of meer beelden op de optische, pixelresolutie in elk van een huidige beeldset gegenereerd in een huidige cyclus van het aantal sequencing cycli, van een of meer voorafgaande beeldsets respectievelijk gegenereerd in een of meer van het aantal sequencing cycli voorafgaand aan de huidige cyclus van het aantal sequencing cycli, en van een of meer opvolgende beeldsets respectievelijk gegenereerd in een of meer van het aantal sequencing cycli volgend op de huidige cyclus van het sequencing cycli; het voor pixels in elk van de beelden modificeren van een pixelintensiteitswaarde gebaseerd op de gebiedwegingsfactor in het templatebeeld voor een respectievelijke pixel; het genereren van een gemodificeerde versie van elk van de beelden met pixels die gemodificeerde pixelintensiteitswaarden hebben; het voor het ten minste ene bepaalde analyt extraheren van een beeldpatch uit elke gemodificeerde versie zodat elke beeldpatch: - een rij pixels heeft, en - in zijn centrumpixel een centrumvan het bepaalde analyt geïdentificeerd in het templatebeeld heeft;
het convolueren van beeldpatches die zijn geëxtraheerd uit gemodificeerde versies van de beelden via een convolutioneel neuraal netwerk van het tweede neurale netwerk teneinde een geconvolueerde representatie van de beeldpatches te genereren; het verwerken van de gecon volueerde representatie via een uitvoerlaag teneinde voor het centrumpixel waarschijnlijkheden van een base geïncorporeerd in het ten minste ene bepaalde analyt in de huidige cyclus van het aantal sequencing cycli A, C, T en G te produceren; en het gebaseerd op de waarschijnlijkheden classificeren van de base als A, C, T of G.
24. Computer geïmplementeerde werkwijze volgens conclusie 22 of 23, verder omvattende: voor het modificeren van de pixelintensiteitswaardes het aligneren van elk van de beelden die zijn gevangen bij de op de optische, pixelresolutie met het templatebeeld gebruikmakend van cyclus specifieke en beeldkanaal specifieke transformaties.
25. Computer geïmplementeerde werkwijze volgens conclusie 19, verder omvattende: het evalueren van het templatebeeld in een upsampled subpixel domein teneinde subpixels te identificeren die delen van een willekeurig analyt bevatten; en het toewijzen van een achtergrondintensiteit aan subpixels die zijn geïdentificeerd in het templatebeeld als niet bijdragend aan een analyt.
26. Computer geïmplementeerde werkwijze volgens conclusie 25, waarin het evalueren van het templatebeeld in een upsampled subpixeldomein verder omvat: het berekenen van hoeveel subpixels in ten minste een pixel delen bevatten van een analyt en het berekenen van een subpixel gebiedwegingsfactor voor de subpixels in de ten minste ene pixel.
27. Computer geïmplementeerde werkwijze volgens conclusie 25 of 26, waarbij de werkwijze omvat: het verwerken van een of meer initiële beeldsets die respectievelijk zijn gegenereerd op een of meer initiële sequencing cycli van een aantal sequencing cycli via het eerste neurale netwerk teneinde het templatebeeld te produceren op de upsampled, subpixel resolutie, waarin elke beeldset een of meer beelden omvat, waarbij elk van de beelden intensiteitemissies van de analyten en hun omgevende achtergrond in een respectievelijk afbeeldkanaal van de een of meer afbeeldkanalen gevangen bij de optische, pixelresolutie afbeeldt, en waarin het templatebeeld subpixels classificeert in klassen omvatten analytcentrum, achtergrond en analytbinnenste;
het upsampelen van elk van de beelden die zijn gevangen bij de optische, pixelresolutie tot in een subpixeldomein en het toewijzen van een achtergrondintensiteit aan subpixels van elk van de beelden die zijn geïdentificeerd in het templatebeeld als niet bijdragend aan een analyt; het verwerken van de geupsampelde beelden via het tweede neurale netwerk teneinde een alternatieve representatie van de geupsampelde beelden te genereren; en het base toewijzen van een aantal analyten gebruikmakend van de alternatieve representatie.
28. Computer geïmplementeerde werkwijze volgens conclusie 27, waarin het upsampelen van elk van de beelden verder omvat: het verdelen van intensiteit van een bepaald pixel over eerste subpixels van het bepaalde pixel geïdentificeerd in het templatebeeld als zijnde bijdragend aan een analyt door het toepassen van per-subpixelgebiedwegingsfactor en het toewijzen van een achtergrondintensiteit aan tweede subpixels aan het bepaalde pixel geïdentificeerd in de template als zijnde niet bijdragend aan een willekeurig analyt.
29. Computer geïmplementeerde werkwijze volgens conclusie 28, waarin voor het upsampelen de werkwijze omvat: het toegang verkrijgen tot een of meer beelden bij de optische pixelresolutie in elk van een: - huidige beeldset gegeneerd op een huidige cyclus van het aantal sequencing cycli, - een of meer voorafgaande beeldsets respectievelijk gegenereerd in een of meer van het aantal sequencing cycli voorafgaand aan de huidige cyclus van het aantal sequencing cycli, en van - een of meer opvolgende beeldsets respectievelijk gegenereerd bij een of meer van het aantal sequencing cycli volgend op de huidige cyclus van het aantal sequencing cycli; en na het upsampelen omvat de werkwijze: - het extraheren van een beeldpatch uit elk geupsampeld beeld zodat elke beeldpatch een rij subpixels heeft; het convolueren van beeldpatches die zijn geëxtraheerd uit geupsampelde beelden via het convolutionele neurale netwerk van het tweede neurale netwerk teneinde een geconvolueerde representatie van de beeldpatches te genereren; het verwerken van de geconvolueerde representatie via een uitvoerlaag om voor elke subpixel in de rij, waarschijnlijkheden te produceren van een base geïncorporeerd in de huidige cyclus van het aantal sequencing cycli A, C, Ten G; het gebaseerd op de waarschijnlijkheden classificeren van de base als A, C, T of G, en het base toewijzen van elk van het aantal analyten gebaseerd op een baseclassificatie die is toegewezen aan een respectievelijke subpixel bevattende een centrum van een corresponderend analyt.
30. Computer geïmplementeerde werkwijze volgens conclusie 28 of 29, verder omvattende: voor het upsampelen het aligneren van elk van de beelden die zijn gevangen op de optische, pixelresolutie met het templatebeeld gebruikmakend van cyclus specifieke en beeldkanaalspecifieke transformaties.
31. Computer geïmplementeerde werkwijze volgens een van de conclusies 29-30, waarin het upsampelen uitgevoerd wordt door gebruik te maken van ten minste een van de meest nabije buurintensiteitextractie (neighbor intensity extraction), gaussische intensiteitextractie (Gaussian based intensity extraction), intensiteitsextractie gebaseerd op het gemiddelde van 2 x 2 subpixelgebied, intensiteitsextractie gebaseerd op de helderste van 2 x 2 subpixelgebied, intensiteitextractie gebaseerd op het gemiddelde van 3 x 3 subpixelgebied, bilineaire intensiteit extractie, bicubic intensity extraction, en/of intensiteitextractie gebaseerd op gewogen gebieddekking.
32. Sequencingsysteem, omvattende: een houder gekoppeld aan een biosensorsysteem, waarbij het biosensorsysteem uitgevoerd is om een rij van lichtdetectoren te omvatten, waarbij het biosensorsysteem een biosensor omvat en waarbij de biosensor reactieplekken geconfigureerd om analyten te bevatten, omvat; een belichtingssysteem uitgevoerd om excitatielicht te sturen richting de biosensor en de analyten op de reactieplekken te belichten, waarin ten minste sommige van de analyten emissiesignalen verschaffen wanneer zij belicht worden; en een systeembesturingseenheid gekoppeld aan de ontvangen en omvattende een analysemodule, waarbij de analysemodule is uitgevoerd om: beeldgegevens te verkrijgen van de lichtdetectoren bij elk van het aantal sequencing cycli, waarin de beeldgegevens afgeleid worden uit de emissiesignalen die gedetecteerd zijn door de lichtdetectoren: en het verwerken van beeldgegevens voor elk van het aantal sequencing cycli via een neuraal netwerk en het produceren van een base-toewijzing voor ten minste sommige van de analyten op elk van het aantal sequencing cycli.
NL2023316A 2019-03-21 2019-06-14 Artificial intelligence-based sequencing NL2023316B1 (en)

Priority Applications (54)

Application Number Priority Date Filing Date Title
US16/826,126 US11783917B2 (en) 2019-03-21 2020-03-20 Artificial intelligence-based base calling
US16/825,987 US11347965B2 (en) 2019-03-21 2020-03-20 Training data generation for artificial intelligence-based sequencing
US16/826,134 US11676685B2 (en) 2019-03-21 2020-03-20 Artificial intelligence-based quality scoring
SG11202012461XA SG11202012461XA (en) 2019-03-21 2020-03-21 Artificial intelligence-based base calling
US16/826,168 US11436429B2 (en) 2019-03-21 2020-03-21 Artificial intelligence-based sequencing
SG11202012441QA SG11202012441QA (en) 2019-03-21 2020-03-21 Training data generation for artificial intelligence-based sequencing
AU2020241586A AU2020241586A1 (en) 2019-03-21 2020-03-21 Training data generation for artificial intelligence-based sequencing
PCT/US2020/024088 WO2020191387A1 (en) 2019-03-21 2020-03-21 Artificial intelligence-based base calling
AU2020241905A AU2020241905A1 (en) 2019-03-21 2020-03-21 Artificial intelligence-based base calling
KR1020207037713A KR20210142529A (ko) 2019-03-21 2020-03-21 서열분석 메타데이터의 인공 지능 기반 생성
MX2020014288A MX2020014288A (es) 2019-03-21 2020-03-21 Llamada de base-basada en inteligencia artificial.
SG11202012453PA SG11202012453PA (en) 2019-03-21 2020-03-21 Artificial intelligence-based generation of sequencing metadata
EP20719294.9A EP3942073A2 (en) 2019-03-21 2020-03-21 Artificial intelligence-based quality scoring
JP2020572715A JP2022525267A (ja) 2019-03-21 2020-03-21 人工知能ベースのシーケンスメタデータ生成
PCT/US2020/024090 WO2020191389A1 (en) 2019-03-21 2020-03-21 Training data generation for artificial intelligence-based sequencing
MX2020014299A MX2020014299A (es) 2019-03-21 2020-03-21 Generación de datos de entrenamiento para secuenciación basada en inteligencia artificial.
EP20719052.1A EP3942071A1 (en) 2019-03-21 2020-03-21 Artificial intelligence-based generation of sequencing metadata
PCT/US2020/024087 WO2020205296A1 (en) 2019-03-21 2020-03-21 Artificial intelligence-based generation of sequencing metadata
CN202080003614.9A CN112334984A (zh) 2019-03-21 2020-03-21 基于人工智能的测序元数据生成
AU2020256047A AU2020256047A1 (en) 2019-03-21 2020-03-21 Artificial intelligence-based generation of sequencing metadata
AU2020240383A AU2020240383A1 (en) 2019-03-21 2020-03-21 Artificial intelligence-based quality scoring
BR112020026408-3A BR112020026408A2 (pt) 2019-03-21 2020-03-21 geração de dados de treinamento para sequenciamento baseado em inteligência artificial
PCT/US2020/024091 WO2020191390A2 (en) 2019-03-21 2020-03-21 Artificial intelligence-based quality scoring
KR1020207037712A KR20210143100A (ko) 2019-03-21 2020-03-21 인공 지능 기반 서열분석을 위한 트레이닝 데이터 생성
EP20719053.9A EP3942072B1 (en) 2019-03-21 2020-03-21 Training data generation for artificial intelligence-based sequencing
EP23195503.0A EP4276769A3 (en) 2019-03-21 2020-03-21 Training data generation for artificial intelligence-based sequencing
JP2021517978A JP2022524562A (ja) 2019-03-21 2020-03-21 人工知能ベースの品質スコアリング
BR112020026433-4A BR112020026433A2 (pt) 2019-03-21 2020-03-21 chamadas de base baseadas em inteligência artificial
MX2020014293A MX2020014293A (es) 2019-03-21 2020-03-21 Generación de metadatos de secuenciación basada en inteligencia artificial.
EP20718112.4A EP3942070A1 (en) 2019-03-21 2020-03-21 Artificial intelligence-based base calling
CN202080005431.0A CN112789680A (zh) 2019-03-21 2020-03-21 基于人工智能的质量评分
KR1020217009877A KR20210143154A (ko) 2019-03-21 2020-03-21 인공 지능 기반 품질 스코어링
JP2020572703A JP2022526470A (ja) 2019-03-21 2020-03-21 人工知能ベースのベースコール
CN202080004547.2A CN112585689A (zh) 2019-03-21 2020-03-21 基于人工智能的碱基检出
BR112020026426-1A BR112020026426A2 (pt) 2019-03-21 2020-03-21 geração de metadados de sequenciamento baseada em inteligência artificial
CN202080003622.3A CN112313666A (zh) 2019-03-21 2020-03-21 用于基于人工智能的测序的训练数据生成
JP2020572704A JP2022532458A (ja) 2019-03-21 2020-03-21 人工知能ベースの配列決定のための訓練データ生成
KR1020217003269A KR20210145115A (ko) 2019-03-21 2020-03-21 인공 지능 기반 염기 호출
EP20757979.8A EP3942074A2 (en) 2019-03-21 2020-03-22 Artificial intelligence-based sequencing
PCT/US2020/024092 WO2020191391A2 (en) 2019-03-21 2020-03-22 Artificial intelligence-based sequencing
MX2020014302A MX2020014302A (es) 2019-03-21 2020-03-22 Secuenciacion basada en inteligencia artificial.
KR1020217003270A KR20210145116A (ko) 2019-03-21 2020-03-22 인공 지능 기반 서열분석
BR112020026455-5A BR112020026455A2 (pt) 2019-03-21 2020-03-22 Sequenciamento baseado em inteligência artificial
CA3104951A CA3104951A1 (en) 2019-03-21 2020-03-22 Artificial intelligence-based sequencing
SG11202012463YA SG11202012463YA (en) 2019-03-21 2020-03-22 Artificial intelligence-based sequencing
CN202080004529.4A CN112689875A (zh) 2019-03-21 2020-03-22 基于人工智能的测序
JP2020572706A JP2022535306A (ja) 2019-03-21 2020-03-22 人工知能ベースの配列決定
AU2020240141A AU2020240141A1 (en) 2019-03-21 2020-03-22 Artificial intelligence-based sequencing
IL279525A IL279525A (en) 2019-03-21 2020-12-17 Generation of metadata sequences by artificial intelligence
IL279527A IL279527A (en) 2019-03-21 2020-12-17 Naming bases using artificial intelligence
IL279533A IL279533A (en) 2019-03-21 2020-12-17 Creation through artificial intelligence
IL279522A IL279522A (en) 2019-03-21 2020-12-17 Creating training data for artificial intelligence based sequences
IL281668A IL281668A (en) 2019-03-21 2021-03-21 Quality scores are based on artificial intelligence
US18/296,125 US20240071573A1 (en) 2019-03-21 2023-04-05 Artificial intelligence-based quality scoring

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US201962821766P 2019-03-21 2019-03-21

Publications (1)

Publication Number Publication Date
NL2023316B1 true NL2023316B1 (en) 2020-09-28

Family

ID=67513706

Family Applications (1)

Application Number Title Priority Date Filing Date
NL2023316A NL2023316B1 (en) 2019-03-21 2019-06-14 Artificial intelligence-based sequencing

Country Status (1)

Country Link
NL (1) NL2023316B1 (nl)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021226285A1 (en) 2020-05-05 2021-11-11 Illumina, Inc. Equalization-based image processing and spatial crosstalk attenuator
WO2022047038A1 (en) 2020-08-28 2022-03-03 Illumina, Inc. Detecting and filtering clusters based on artificial intelligence-predicted base calls
WO2022093865A1 (en) 2020-10-27 2022-05-05 Illumina, Inc. Systems and methods for per-cluster intensity correction and base calling
WO2023003757A1 (en) 2021-07-19 2023-01-26 Illumina Software, Inc. Intensity extraction with interpolation and adaptation for base calling
EP4276769A2 (en) 2019-03-21 2023-11-15 Illumina, Inc. Training data generation for artificial intelligence-based sequencing
WO2023239917A1 (en) 2022-06-09 2023-12-14 Illumina, Inc. Dependence of base calling on flow cell tilt

Citations (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991006678A1 (en) 1989-10-26 1991-05-16 Sri International Dna sequencing
US5528050A (en) 1995-07-24 1996-06-18 Molecular Dynamics, Inc. Compact scan head with multiple scanning modalities
US5641658A (en) 1994-08-03 1997-06-24 Mosaic Technologies, Inc. Method for performing amplification of nucleic acid with two primers bound to a single solid support
US5719391A (en) 1994-12-08 1998-02-17 Molecular Dynamics, Inc. Fluorescence imaging system employing a macro scanning objective
WO1998044151A1 (en) 1997-04-01 1998-10-08 Glaxo Group Limited Method of nucleic acid amplification
WO2000018957A1 (en) 1998-09-30 2000-04-06 Applied Research Systems Ars Holding N.V. Methods of nucleic acid amplification and sequencing
WO2000063437A2 (en) 1999-04-20 2000-10-26 Illumina, Inc. Detection of nucleic acid reactions on bead arrays
US6266459B1 (en) 1997-03-14 2001-07-24 Trustees Of Tufts College Fiber optic sensor with encoded microspheres
US6355431B1 (en) 1999-04-20 2002-03-12 Illumina, Inc. Detection of nucleic acid amplification reactions using bead arrays
US20020055100A1 (en) 1997-04-01 2002-05-09 Kawashima Eric H. Method of nucleic acid sequencing
US20040002090A1 (en) 2002-03-05 2004-01-01 Pascal Mayer Methods for detecting genome-wide sequence variations associated with a phenotype
WO2004018497A2 (en) 2002-08-23 2004-03-04 Solexa Limited Modified nucleotides for polynucleotide sequencing
US20040096853A1 (en) 2000-12-08 2004-05-20 Pascal Mayer Isothermal amplification of nucleic acids on a solid support
US6770441B2 (en) 2000-02-10 2004-08-03 Illumina, Inc. Array compositions and methods of making same
WO2005010145A2 (en) 2003-07-05 2005-02-03 The Johns Hopkins University Method and compositions for detection and enumeration of genetic variations
US6859570B2 (en) 1997-03-14 2005-02-22 Trustees Of Tufts College, Tufts University Target analyte sensors utilizing microspheres
US20050064460A1 (en) 2001-11-16 2005-03-24 Medical Research Council Emulsion compositions
US20050130173A1 (en) 2003-01-29 2005-06-16 Leamon John H. Methods of amplifying and sequencing nucleic acids
WO2005065814A1 (en) 2004-01-07 2005-07-21 Solexa Limited Modified molecular arrays
US20050244870A1 (en) 1999-04-20 2005-11-03 Illumina, Inc. Nucleic acid sequencing using microsphere arrays
US7057026B2 (en) 2001-12-04 2006-06-06 Solexa Limited Labelled nucleotides
WO2006064199A1 (en) 2004-12-13 2006-06-22 Solexa Limited Improved method of nucleotide detection
US20060240439A1 (en) 2003-09-11 2006-10-26 Smith Geoffrey P Modified polymerases for improved incorporation of nucleotide analogues
US20060281471A1 (en) 2005-06-08 2006-12-14 Cisco Technology,Inc. Method and system for communicating using position information
WO2007010252A1 (en) 2005-07-20 2007-01-25 Solexa Limited Method for sequencing a polynucleotide template
WO2007010251A2 (en) 2005-07-20 2007-01-25 Solexa Limited Preparation of templates for nucleic acid sequencing
WO2007035368A2 (en) 2005-09-15 2007-03-29 Caliper Life Sciences Inc. Methods of screening for immuno-adjuvants and vaccines comprising anti-microtubule immuno-adjuvants
US7211414B2 (en) 2000-12-01 2007-05-01 Visigen Biotechnologies, Inc. Enzymatic nucleic acid synthesis: compositions and methods for altering monomer incorporation fidelity
US20070099208A1 (en) 2005-06-15 2007-05-03 Radoje Drmanac Single molecule arrays for genetic and chemical analysis
US20070128624A1 (en) 2005-11-01 2007-06-07 Gormley Niall A Method of preparing libraries of template polynucleotides
WO2007123744A2 (en) 2006-03-31 2007-11-01 Solexa, Inc. Systems and devices for sequence by synthesis analysis
US7315019B2 (en) 2004-09-17 2008-01-01 Pacific Biosciences Of California, Inc. Arrays of optical confinements and uses thereof
US20080009420A1 (en) 2006-03-17 2008-01-10 Schroth Gary P Isothermal methods for creating clonal single molecule arrays
US7329492B2 (en) 2000-07-07 2008-02-12 Visigen Biotechnologies, Inc. Methods for real-time single molecule sequence determination
US20080108082A1 (en) 2006-10-23 2008-05-08 Pacific Biosciences Of California, Inc. Polymerase enzymes and reagents for enhanced nucleic acid sequencing
US7405281B2 (en) 2005-09-29 2008-07-29 Pacific Biosciences Of California, Inc. Fluorescent nucleotide analogs and uses therefor
US7414116B2 (en) 2002-08-23 2008-08-19 Illumina Cambridge Limited Labelled nucleotides
US20080280773A1 (en) 2004-12-13 2008-11-13 Milan Fedurco Method of Nucleotide Detection
US20090088327A1 (en) 2006-10-06 2009-04-02 Roberto Rigatti Method for sequencing a polynucleotide template
US7592435B2 (en) 2005-08-19 2009-09-22 Illumina Cambridge Limited Modified nucleosides and nucleotides and uses thereof
US7622294B2 (en) 1997-03-14 2009-11-24 Trustees Of Tufts College Methods for detecting target analytes and enzymatic reactions
US20120020537A1 (en) 2010-01-13 2012-01-26 Francisco Garcia Data processing system and methods
US8158926B2 (en) 2005-11-23 2012-04-17 Illumina, Inc. Confocal imaging methods and apparatus
US20120270305A1 (en) 2011-01-10 2012-10-25 Illumina Inc. Systems, methods, and apparatuses to image a sample for biological or chemical analysis
US20120316086A1 (en) 2011-06-09 2012-12-13 Illumina, Inc. Patterned flow-cells useful for nucleic acid analysis
US20130023422A1 (en) 2008-05-05 2013-01-24 Illumina, Inc. Compensator for multiple surface imaging
US20130116153A1 (en) 2011-10-28 2013-05-09 Illumina, Inc. Microarray fabrication system and method
US20130184796A1 (en) 2012-01-16 2013-07-18 Greatbatch Ltd. Elevated Hermetic Feedthrough Insulator Adapted for Side Attachment of Electrical Conductors on the Body Fluid Side of an Active Implantable Medical Device
US20130260372A1 (en) 2012-04-03 2013-10-03 Illumina, Inc. Integrated optoelectronic read head and fluidic cartridge useful for nucleic acid sequencing
US20130296175A1 (en) 2011-01-13 2013-11-07 Illumina Inc. Genetic Variants as Markers for Use in Urinary Bladder Cancer Risk Assessment, Diagnosis, Prognosis and Treatment
US20140243224A1 (en) 2013-02-26 2014-08-28 Illumina, Inc. Gel patterned surfaces
WO2014142831A1 (en) 2013-03-13 2014-09-18 Illumina, Inc. Methods and systems for aligning repetitive dna elements
WO2015002813A1 (en) 2013-07-01 2015-01-08 Illumina, Inc. Catalyst-free surface functionalization and polymer grafting
WO2015084985A2 (en) * 2013-12-03 2015-06-11 Illumina, Inc. Methods and systems for analyzing image data
US9079148B2 (en) 2008-07-02 2015-07-14 Illumina Cambridge Limited Using populations of beads for the fabrication of arrays on surfaces
WO2015106941A1 (en) 2014-01-16 2015-07-23 Illumina Cambridge Limited Polynucleotide modification on solid support
US20160085910A1 (en) 2014-09-18 2016-03-24 Illumina, Inc. Methods and systems for analyzing nucleic acid sequencing data
WO2016066586A1 (en) 2014-10-31 2016-05-06 Illumina Cambridge Limited Novel polymers and dna copolymer coatings
EP3373238A1 (en) * 2017-03-07 2018-09-12 Illumina, Inc. Optical distortion correction for imaged samples
WO2018165099A1 (en) * 2017-03-07 2018-09-13 Illumina, Inc. Single light source, two-optical channel sequencing
WO2019079202A1 (en) * 2017-10-16 2019-04-25 Illumina, Inc. ABERRANT CONNECTION DETECTION USING CONVOLUTION NEURAL NETWORKS (CNN)
WO2019136284A1 (en) * 2018-01-05 2019-07-11 Illumina, Inc. Predicting quality of sequencing results using deep neural networks
WO2019136388A1 (en) * 2018-01-08 2019-07-11 Illumina, Inc. Systems and devices for high-throughput sequencing with semiconductor-based detection
WO2019140402A1 (en) * 2018-01-15 2019-07-18 Illumina, Inc. Deep learning-based variant classifier
WO2020014280A1 (en) * 2018-07-11 2020-01-16 Illumina, Inc. DEEP LEARNING-BASED FRAMEWORK FOR IDENTIFYING SEQUENCE PATTERNS THAT CAUSE SEQUENCE-SPECIFIC ERRORS (SSEs)

Patent Citations (78)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1991006678A1 (en) 1989-10-26 1991-05-16 Sri International Dna sequencing
US5641658A (en) 1994-08-03 1997-06-24 Mosaic Technologies, Inc. Method for performing amplification of nucleic acid with two primers bound to a single solid support
US5719391A (en) 1994-12-08 1998-02-17 Molecular Dynamics, Inc. Fluorescence imaging system employing a macro scanning objective
US5528050A (en) 1995-07-24 1996-06-18 Molecular Dynamics, Inc. Compact scan head with multiple scanning modalities
US6859570B2 (en) 1997-03-14 2005-02-22 Trustees Of Tufts College, Tufts University Target analyte sensors utilizing microspheres
US6266459B1 (en) 1997-03-14 2001-07-24 Trustees Of Tufts College Fiber optic sensor with encoded microspheres
US7622294B2 (en) 1997-03-14 2009-11-24 Trustees Of Tufts College Methods for detecting target analytes and enzymatic reactions
WO1998044151A1 (en) 1997-04-01 1998-10-08 Glaxo Group Limited Method of nucleic acid amplification
US20020055100A1 (en) 1997-04-01 2002-05-09 Kawashima Eric H. Method of nucleic acid sequencing
US20050100900A1 (en) 1997-04-01 2005-05-12 Manteia Sa Method of nucleic acid amplification
WO2000018957A1 (en) 1998-09-30 2000-04-06 Applied Research Systems Ars Holding N.V. Methods of nucleic acid amplification and sequencing
US7115400B1 (en) 1998-09-30 2006-10-03 Solexa Ltd. Methods of nucleic acid amplification and sequencing
WO2000063437A2 (en) 1999-04-20 2000-10-26 Illumina, Inc. Detection of nucleic acid reactions on bead arrays
US20050244870A1 (en) 1999-04-20 2005-11-03 Illumina, Inc. Nucleic acid sequencing using microsphere arrays
US6355431B1 (en) 1999-04-20 2002-03-12 Illumina, Inc. Detection of nucleic acid amplification reactions using bead arrays
US6770441B2 (en) 2000-02-10 2004-08-03 Illumina, Inc. Array compositions and methods of making same
US7329492B2 (en) 2000-07-07 2008-02-12 Visigen Biotechnologies, Inc. Methods for real-time single molecule sequence determination
US7211414B2 (en) 2000-12-01 2007-05-01 Visigen Biotechnologies, Inc. Enzymatic nucleic acid synthesis: compositions and methods for altering monomer incorporation fidelity
US20040096853A1 (en) 2000-12-08 2004-05-20 Pascal Mayer Isothermal amplification of nucleic acids on a solid support
US20050064460A1 (en) 2001-11-16 2005-03-24 Medical Research Council Emulsion compositions
US7427673B2 (en) 2001-12-04 2008-09-23 Illumina Cambridge Limited Labelled nucleotides
US7566537B2 (en) 2001-12-04 2009-07-28 Illumina Cambridge Limited Labelled nucleotides
US7057026B2 (en) 2001-12-04 2006-06-06 Solexa Limited Labelled nucleotides
US20060188901A1 (en) 2001-12-04 2006-08-24 Solexa Limited Labelled nucleotides
US20040002090A1 (en) 2002-03-05 2004-01-01 Pascal Mayer Methods for detecting genome-wide sequence variations associated with a phenotype
US20070166705A1 (en) 2002-08-23 2007-07-19 John Milton Modified nucleotides
US7541444B2 (en) 2002-08-23 2009-06-02 Illumina Cambridge Limited Modified nucleotides
WO2004018497A2 (en) 2002-08-23 2004-03-04 Solexa Limited Modified nucleotides for polynucleotide sequencing
US7414116B2 (en) 2002-08-23 2008-08-19 Illumina Cambridge Limited Labelled nucleotides
US20050130173A1 (en) 2003-01-29 2005-06-16 Leamon John H. Methods of amplifying and sequencing nucleic acids
WO2005010145A2 (en) 2003-07-05 2005-02-03 The Johns Hopkins University Method and compositions for detection and enumeration of genetic variations
US20060240439A1 (en) 2003-09-11 2006-10-26 Smith Geoffrey P Modified polymerases for improved incorporation of nucleotide analogues
US20110059865A1 (en) 2004-01-07 2011-03-10 Mark Edward Brennan Smith Modified Molecular Arrays
US8563477B2 (en) 2004-01-07 2013-10-22 Illumina Cambridge Limited Modified molecular arrays
WO2005065814A1 (en) 2004-01-07 2005-07-21 Solexa Limited Modified molecular arrays
US7315019B2 (en) 2004-09-17 2008-01-01 Pacific Biosciences Of California, Inc. Arrays of optical confinements and uses thereof
WO2006064199A1 (en) 2004-12-13 2006-06-22 Solexa Limited Improved method of nucleotide detection
US20080280773A1 (en) 2004-12-13 2008-11-13 Milan Fedurco Method of Nucleotide Detection
US20060281471A1 (en) 2005-06-08 2006-12-14 Cisco Technology,Inc. Method and system for communicating using position information
US20070099208A1 (en) 2005-06-15 2007-05-03 Radoje Drmanac Single molecule arrays for genetic and chemical analysis
WO2007010251A2 (en) 2005-07-20 2007-01-25 Solexa Limited Preparation of templates for nucleic acid sequencing
WO2007010252A1 (en) 2005-07-20 2007-01-25 Solexa Limited Method for sequencing a polynucleotide template
US7592435B2 (en) 2005-08-19 2009-09-22 Illumina Cambridge Limited Modified nucleosides and nucleotides and uses thereof
WO2007035368A2 (en) 2005-09-15 2007-03-29 Caliper Life Sciences Inc. Methods of screening for immuno-adjuvants and vaccines comprising anti-microtubule immuno-adjuvants
US7405281B2 (en) 2005-09-29 2008-07-29 Pacific Biosciences Of California, Inc. Fluorescent nucleotide analogs and uses therefor
US20070128624A1 (en) 2005-11-01 2007-06-07 Gormley Niall A Method of preparing libraries of template polynucleotides
US8158926B2 (en) 2005-11-23 2012-04-17 Illumina, Inc. Confocal imaging methods and apparatus
US20080009420A1 (en) 2006-03-17 2008-01-10 Schroth Gary P Isothermal methods for creating clonal single molecule arrays
US8241573B2 (en) 2006-03-31 2012-08-14 Illumina, Inc. Systems and devices for sequence by synthesis analysis
WO2007123744A2 (en) 2006-03-31 2007-11-01 Solexa, Inc. Systems and devices for sequence by synthesis analysis
US20090088327A1 (en) 2006-10-06 2009-04-02 Roberto Rigatti Method for sequencing a polynucleotide template
US20080108082A1 (en) 2006-10-23 2008-05-08 Pacific Biosciences Of California, Inc. Polymerase enzymes and reagents for enhanced nucleic acid sequencing
US20130023422A1 (en) 2008-05-05 2013-01-24 Illumina, Inc. Compensator for multiple surface imaging
US9079148B2 (en) 2008-07-02 2015-07-14 Illumina Cambridge Limited Using populations of beads for the fabrication of arrays on surfaces
US20120020537A1 (en) 2010-01-13 2012-01-26 Francisco Garcia Data processing system and methods
US20120270305A1 (en) 2011-01-10 2012-10-25 Illumina Inc. Systems, methods, and apparatuses to image a sample for biological or chemical analysis
US20130296175A1 (en) 2011-01-13 2013-11-07 Illumina Inc. Genetic Variants as Markers for Use in Urinary Bladder Cancer Risk Assessment, Diagnosis, Prognosis and Treatment
US20120316086A1 (en) 2011-06-09 2012-12-13 Illumina, Inc. Patterned flow-cells useful for nucleic acid analysis
US8778848B2 (en) 2011-06-09 2014-07-15 Illumina, Inc. Patterned flow-cells useful for nucleic acid analysis
US8778849B2 (en) 2011-10-28 2014-07-15 Illumina, Inc. Microarray fabrication system and method
US20130116153A1 (en) 2011-10-28 2013-05-09 Illumina, Inc. Microarray fabrication system and method
US20130184796A1 (en) 2012-01-16 2013-07-18 Greatbatch Ltd. Elevated Hermetic Feedthrough Insulator Adapted for Side Attachment of Electrical Conductors on the Body Fluid Side of an Active Implantable Medical Device
US20130260372A1 (en) 2012-04-03 2013-10-03 Illumina, Inc. Integrated optoelectronic read head and fluidic cartridge useful for nucleic acid sequencing
US20140243224A1 (en) 2013-02-26 2014-08-28 Illumina, Inc. Gel patterned surfaces
WO2014142831A1 (en) 2013-03-13 2014-09-18 Illumina, Inc. Methods and systems for aligning repetitive dna elements
WO2015002813A1 (en) 2013-07-01 2015-01-08 Illumina, Inc. Catalyst-free surface functionalization and polymer grafting
US20180274023A1 (en) 2013-12-03 2018-09-27 Illumina, Inc. Methods and systems for analyzing image data
WO2015084985A2 (en) * 2013-12-03 2015-06-11 Illumina, Inc. Methods and systems for analyzing image data
WO2015106941A1 (en) 2014-01-16 2015-07-23 Illumina Cambridge Limited Polynucleotide modification on solid support
US20160085910A1 (en) 2014-09-18 2016-03-24 Illumina, Inc. Methods and systems for analyzing nucleic acid sequencing data
WO2016066586A1 (en) 2014-10-31 2016-05-06 Illumina Cambridge Limited Novel polymers and dna copolymer coatings
EP3373238A1 (en) * 2017-03-07 2018-09-12 Illumina, Inc. Optical distortion correction for imaged samples
WO2018165099A1 (en) * 2017-03-07 2018-09-13 Illumina, Inc. Single light source, two-optical channel sequencing
WO2019079202A1 (en) * 2017-10-16 2019-04-25 Illumina, Inc. ABERRANT CONNECTION DETECTION USING CONVOLUTION NEURAL NETWORKS (CNN)
WO2019136284A1 (en) * 2018-01-05 2019-07-11 Illumina, Inc. Predicting quality of sequencing results using deep neural networks
WO2019136388A1 (en) * 2018-01-08 2019-07-11 Illumina, Inc. Systems and devices for high-throughput sequencing with semiconductor-based detection
WO2019140402A1 (en) * 2018-01-15 2019-07-18 Illumina, Inc. Deep learning-based variant classifier
WO2020014280A1 (en) * 2018-07-11 2020-01-16 Illumina, Inc. DEEP LEARNING-BASED FRAMEWORK FOR IDENTIFYING SEQUENCE PATTERNS THAT CAUSE SEQUENCE-SPECIFIC ERRORS (SSEs)

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "MiSeq: Imaging and Base Calling", 1 January 2013 (2013-01-01), XP055669460, Retrieved from the Internet <URL:https://support.illumina.com/content/dam/illumina-support/courses/MiSeq_Imaging_and_Base_Calling/story_content/external_files/MiSeq%20Imaging%20and%20Base%20Calling%20Script.pdf> [retrieved on 20200218] *
ANONYMOUS: "MiSEQ: Imaging and Base Calling", 1 January 2013 (2013-01-01), XP055669545, Retrieved from the Internet <URL:https://support.illumina.com/training.html> [retrieved on 20200218] *
BENTLEY ET AL., NATURE, vol. 456, 2008, pages 53 - 59
DRESSMAN ET AL., PROC. NATL. ACAD. SCI. USA, vol. 100, 2003, pages 8817 - 8822
DUNN, TAMSENBERRY, GWENNEMIG-AGIUS, DOROTHEAJIANG, YUIYER, ANITAUDAR, NITINSTROMBERG, MICHAEL, PISCES: AN ACCURATE AND VERSATILE SINGLE SAMPLE SOMATIC AND GERMLINE VARIANT CALLER, 2017, pages 595 - 595
J. LONGE. SHELHAMERT. DARRELL: "Fully convolutional networks for semantic segmentation", CVPR, 2015
LIZARDI ET AL., NAT. GENET., vol. 19, 1998, pages 225 - 232
RONNEBERGER OFISCHER PBROX T: "U-net: Convolutional networks for biomedical image segmentation", MED. IMAGE COMPUT. COMPUT. ASSIST. INTERV., 2015, Retrieved from the Internet <URL:http://link.springer.com/chapter/10.1007/978-3-319-24574-4_28>
STROMBERG, MICHAELROY, RAJATLAJUGIE, JULIENJIANG, YULI, HAOCHENMARGULIES, ELLIOTT, NIRVANA: CLINICAL GRADE VARIANT ANNOTATOR, 2017, pages 596 - 596
T SAUNDERS, CHRISTOPHERWONG, WENDYSWAMY, SAJANIBECQ, JENNIFERJ MURRAY, LISACHEETHAM, KEIRA: "Strelka: Accurate somatic small-variant calling from sequenced tumor-normal sample pairs", BIOINFORMATICS (OXFORD, ENGLAND, vol. 28, 2012, pages 1811 - 7, XP055257165, doi:10.1093/bioinformatics/bts271
TIM ALBRECHT ET AL: "Deep learning for single-molecule science", 18 September 2017, NANOTECHNOLOGY, INSTITUTE OF PHYSICS PUBLISHING, GB, PAGE(S) 423001, ISSN: 0957-4484, XP020320531 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4276769A2 (en) 2019-03-21 2023-11-15 Illumina, Inc. Training data generation for artificial intelligence-based sequencing
WO2021226285A1 (en) 2020-05-05 2021-11-11 Illumina, Inc. Equalization-based image processing and spatial crosstalk attenuator
WO2022047038A1 (en) 2020-08-28 2022-03-03 Illumina, Inc. Detecting and filtering clusters based on artificial intelligence-predicted base calls
WO2022093865A1 (en) 2020-10-27 2022-05-05 Illumina, Inc. Systems and methods for per-cluster intensity correction and base calling
WO2023003757A1 (en) 2021-07-19 2023-01-26 Illumina Software, Inc. Intensity extraction with interpolation and adaptation for base calling
WO2023239917A1 (en) 2022-06-09 2023-12-14 Illumina, Inc. Dependence of base calling on flow cell tilt

Similar Documents

Publication Publication Date Title
US11436429B2 (en) Artificial intelligence-based sequencing
US20230004749A1 (en) Deep neural network-based sequencing
WO2020191391A2 (en) Artificial intelligence-based sequencing
NL2023316B1 (en) Artificial intelligence-based sequencing
NL2023312B1 (en) Artificial intelligence-based base calling
NL2023314B1 (en) Artificial intelligence-based quality scoring
NL2023311B1 (en) Artificial intelligence-based generation of sequencing metadata
NL2023310B1 (en) Training data generation for artificial intelligence-based sequencing
US20230298339A1 (en) State-based base calling
US20230343414A1 (en) Sequence-to-sequence base calling
US20230087698A1 (en) Compressed state-based base calling