当结构变异遇到三代测序会有什么故事

研究背景

基因组结构变异（SVs）包括缺失、重复、倒位、插入和易位等，对人类疾病和个体基因组差异具有重要影响。长读测序技术（如PacBio和Oxford Nanopore）的发展为SVs的检测提供了更有力的工具，但目前缺乏对基于比对和基于组装的SV检测方法的全面基准测试。

研究方法

数据集：使用11个PacBio HiFi、CLR和ONT数据集、9个模拟长读长数据集和 2 个配对肿瘤-正常 CLR 和 ONT 数据集。

包括HG002样本的高置信度SV基准数据集。

图片

工具：【1】基于比对的SV检测工具：PBHoney、NanoSV、Smartie-sv_aln、Sniffles、SVIM、cuteSV、NanoVar、pbsv、SKSV、Sniffles2、MAMnet、DeBreak。

【2】基于组装的SV检测工具：Dipcall、Smartie-sv_asm、SVIM-asm、PAV。

图片

图片

研究结果

SV长度分布与检测性能：基于比对的工具在小片段SV（50 bp-1 kb）检测上表现较好，但在大插入检测上不如基于组装的工具。例如，PBHoney和Smartie-svaln在检测大于1 kb的插入时性能下降。基于组装的工具在大片段SV（尤其是插入）检测上具有更高的敏感性，例如，Dipcall、Smartie-svasm、PAV和SVIM-asm在检测大插入时表现优异（图2a-p）。

图片

计算成本：基于比对的工具计算时间较短，通常在3-17 CPU小时之间，且内存占用较小，普遍低于100G。基于组装的工具：计算时间较长，通常在116-863 CPU小时之间，且内存占用较高（图2s-v）。

图片

参数变化对性能的影响：基于比对的工具对（如cuteSV、Sniffles）对评估参数（如断点偏移、序列相似性）敏感，而基于组装的工具（如PAV）和部分混合方法（如DeBreak）在严格参数下仍保持高稳健性（图3a-d）。

图片

低覆盖度对SV调用的影响：基于比对的工具在低覆盖度（5-10×）下，某些工具（如pbsv和Sniffles2）仍能保持较高的基因分型准确性。而基于组装的工具在低覆盖度下，基因分型准确性显著下降，主要是由于组装连续性低和组装断裂。

图片

复杂SV检测：比对工具在复杂SV（如易位、倒位）中表现更优。例如，cuteSV在模拟数据中易位检测F1值达96%，而DeBreak在真实癌症数据中重复检测召回率最高（75%）（图7a-b）。

图片

总结

该研究为不同场景下的工具选择提供了明确指导，例如临床诊断中若需快速分析低覆盖数据，则基于比对的SV检测工具更优；若追求高精度大SV检测，则基于组装方法的工具跟优，但需要较大的计算资源。同时，结果强调了结合多工具结果的必要性，以减少假阳性。