文献解读-长读长测序-第十三期|《PrecisionFDA真相挑战第二版：利用短读长和长读长在难比对区域进行变异检测》

关键词：基因组；长读长测序；基准测试；

文献简介

• 标题（英文）：PrecisionFDA Truth Challenge V2: Calling variants from short and long reads in difficult-to-map regions
• 标题（中文）：PrecisionFDA真相挑战第二版：利用短读长和长读长
• 发表期刊：Cell Genomics
• 作者单位：美国国家标准与技术研究院材料测量实验室、美国食品药品管理局、Sentieon 公司、谷歌公司等
• 发表年份：2022
• 文章地址：https://doi.org/10.1016/j.xgen.2022.100129

图1 文献介绍

PrecisionFDA 始于 2015 年，旨在支持美国食品药品管理局 （FDA） 在基因组学方面的监管标准制定，此后扩展到支持所有组学领域。precisionFDA挑战框架是该平台最具对外特征的功能之一。该框架在面向公众的环境中举办生物数据挑战，并提供用于测试和验证的可用资源。

第一届瓶中基因组（GIAB）-precisionFDA 真相挑战于 2016 年举办，项目要求参与者从两个 GIAB 样本的短读长数据中进行小型变异检测。HG001 样本（也作 NA12878）的基准测试先前公开过，但是 HG002 样本的基准测试未公开过。这使得 HG002成为第一个盲法胚系突变挑战，公开的检测结果可以作为新的检测方法的比较点。

测序流程

图2 真相挑战V2流程图

与第一次真相挑战集中在基因组简单区域不同，在本次挑战中，除了提供来自 illumina 的短读长数据外，还包括Pacific Biosciences [PacBio] HiFi和Oxford Nanopore Technologies [ONT]的长读长数据，以评估各种数据类型的性能。本次基准测试涉及基因组重复区域和 MHC 等复杂区域。

参赛者被要求利用 GIAB 德系犹太人的家系样本不同数据平台产出的数据进行变异检测，提交最终 VCF 格式变异检测结果。最终，20 支来自全球各地的团队提交了 64 个结果。

图3 挑战提交的分类统计和表现概览

图4 Sentieon的作用

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验，致力于解决生物数据分析中的速度与准确度瓶颈，为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案，共同推动基因技术的发展。 截至2023年3月份，Sentieon已经在全球范围内为1300+用户提供服务，被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用，引用次数超过700篇。此外，Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠，在业内获得广泛认可。

文献讨论

图5 挑战最佳表现者概要

可以看到大部分提交都使用了深度学习算法，特别是在长读长数据处理中。另外，Sentieon 公司的提交在所有三中测序平台数据及所有基准测试、难比对区域及 MHC 区域等各方面均具有 top 级别表现。

总结

综上所述，本次真相挑战凸显了在表征临床重要 MHC 位点方面、增加了基因组难比对区域的基准集、首次使用了盲法样本等诸多创新。通过比较各提交者的结果，发现与第一次真相挑战相比，某些方法针对于非盲样本可能存在过度拟合的情况。