NL2023316B1 - Artificial intelligence-based sequencing - Google Patents
Artificial intelligence-based sequencing Download PDFInfo
- 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
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)
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.
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)
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)
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) |
-
2019
- 2019-06-14 NL NL2023316A patent/NL2023316B1/en active
Patent Citations (78)
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)
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)
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 |