《HUMAN MUTATION》：Novel Strategy for Structural Variant Genotyping by Short-Read Genomic Sequencing From Restriction-Circles: Experimental and Bioinformatics Proof-of-Concept
编辑推荐：
结构变异（Structural Variants, SVs）包括拷贝数变异（如缺失和重复）以及拷贝中性SV（如完美倒位）。短读长高通量DNA测序是临床基因组学中检测小变异的标准技术，而Oxford Nanopore或PacBio长读长测序技术虽能改善SV鉴定，
结构变异（Structural Variants, SVs）包括拷贝数变异（如缺失和重复）以及拷贝中性SV（如完美倒位）。短读长高通量DNA测序是临床基因组学中检测小变异的标准技术，而Oxford Nanopore或PacBio长读长测序技术虽能改善SV鉴定，但在临床环境中仍难以推广。研究人员开发并验证了一种新的实验方案和生物信息学流程，用于从限制性环状DNA的短读长全基因组测序（Whole-Genome Sequencing, WGS）中进行SV基因分型。实验方案包括：使用BclI限制性内切酶消化基因组DNA、片段末端连接以及短读长WGS。生物信息学流程利用了连接双末端读段（Linking Pair-End Reads, LPERs），这是一种关联每个限制性片段末端序列的关键算子。LPERs包含对SV基因分型至关重要的长距离单倍型信息。每种SV都与特定的LPER模式相关联。该方法应用于一名杜氏肌营养不良症（Duchenne Muscular Dystrophy, DMD）患者，产生了适当的LPER垂直覆盖率（8.6×）和水平覆盖率（83%），并符合质量标准。研究人员设计了SV特异性LPER质量过滤器以提高SV检测的一致性。通过验证先证者中先前已鉴定的DMD基因型（DMD外显子45-54缺失和DMD外显子38-43重复）与输出结果的一致性，对该方法进行了验证。使用其他SV检测算法进行的常规SV基因分型仍可成功应用于完成重排的精确定义。研究人员的SV基因分型算法在Xq28区域检测到两个新的SV，并通过直接的分子检测得到验证，且在普通人群中表现为多态性：一个1.4 kb的缺失，等位基因频率（Allelic Frequency, AF）（95%置信区间）为0.83（0.71-0.91）；以及一个由99%同源性的8.4 kb反向重复序列（Inverted Repeats, IRs）重组产生的完美倒位，AF（95%CI）为0.31（0.08-0.54）。尽管IR介导的倒位是基于WGS的基因分型面临的主要挑战，但研究人员的分析方法正确指出了不存在血友病复发性倒位。此外，该方案允许应用常规的小变异检测。研究人员还鉴定并验证了F8内含子3中一个可能良性的单核苷酸变异（Single Nucleotide Variant, SNV）。该方法的一致性和提高SV基因分型能力的同时允许应用传统变异检测算法，支持其潜在的临床实用性。
一、研究背景与目的
结构变异（Structural Variants, SVs）是涉及大片段基因组重排的变异类型，包括拷贝数变异（Copy Number Variants, CNVs）如缺失和重复，以及拷贝中性SV如完美倒位。人类基因组中存在大量重复序列，如长散在核元件（Long Interspersed Nuclear Elements, LINEs）、短散在核元件（Short Interspersed Nuclear Elements, SINEs）和低拷贝重复序列，这些序列间的非等位同源重组（Non-Allelic Homologous Recombination, NAHR）是多种SVs产生的重要机制。例如，位于反向重复序列（Inverted Repeats, IRs）两侧的完美倒位就极难被检测。
目前，短读长二代测序（Next-Generation Sequencing, NGS）技术在小变异（如单核苷酸变异SNV和插入缺失indel）检测方面表现优异，但对SVs的基因分型能力有限，这主要是由于SVs常涉及重复序列。三代长读长测序技术（如PacBio、Oxford Nanopore）理论上能改善SV检测，但在临床应用中面临成本高、全球分布有限、可靠性低于短读长测序进行SNV基因分型等问题。特别是导致血友病的典型完美倒位——F8内含子22倒位（Inv22），对二代甚至三代NGS而言仍是检测盲区。
为解决上述问题，受用于检测Inv22的反向移位PCR（Inverse Shifting-PCR, IS-PCR）方法启发，研究人员旨在开发一种基于短读长全基因组测序（Whole-Genome Sequencing, WGS）的新策略，通过对环化的限制性DNA片段进行测序，并结合新型生物信息学流程，实现大规模、全面的SV检测，作为长读长测序技术的一种经济有效的替代方案。
二、研究方法概述
研究人员建立了一套结合湿实验和干实验的完整流程。主要关键技术方法包括：
- 1.
限制性环状DNA制备与测序：使用BclI限制性内切酶对来自一名杜氏肌营养不良症（Duchenne Muscular Dystrophy, DMD）患者（对照先证者）的外周血白细胞基因组DNA进行完全消化，随后用T4 DNA连接酶将片段末端连接形成环状DNA（BclI-环），最后对这些环状DNA进行Illumina NovaSeq 6000平台的短读长全基因组测序。
- 2.
LPER定义与SV基因分型逻辑：开发生物信息学流程，通过比对到参考基因组GRCh38，识别出连接同一限制性片段两端的双末端读段（Pair-End Reads, PERs），定义为连接双末端读段（Linking Pair-End Reads, LPERs）。LPER的[A]和[B]两部分分别对应特定限制性片段的编号及其在染色体上的侧翼方向。根据LPER的不同组合模式（如[k,q]::[k+x,p]代表缺失），即可推断出相应的SV类型。
- 3.
集成常规变异检测算法：在排除LPER读段后，将剩余数据集输入常规SV检测软件（Lumpy、SvABA、Delly）以补充和完善SV断点及拷贝数证据；同时使用GATK4胚系变异检测流程进行SNV/indel的常规检测。
三、研究结果
3.1 实验过程影响评估
通过比较X染色体上BclI-LPER与未参与实验的限制性内切酶NcoI-LPER的比例，经归一化后估算出每个环状模板约产生2.54个有效LPER，即每个片段拷贝约有40%的真实LPER。
3.2 LPER覆盖度分析
基因组范围的LPER覆盖度评估显示：垂直覆盖度（深度）平均为8.6×，其中长度为0.5-17 kb的BclI片段覆盖度最高（平均11.8×）；水平覆盖度为83%，即约83%的BclI片段至少有一个LPER支持，其中0.5-20 kb片段的覆盖度可达91%。曼哈顿图显示，常染色质区域的LPER覆盖度良好，而高度重复的着丝粒及近端着丝粒染色体短臂区域覆盖度较差。
3.3 性能与验证
在DMD患者的X染色体上共获得294,196个LPER。经过一系列严格的SV类型特异性过滤（如高质量比对MAPQ≥30、读段距限制性位点距离≥30 bp、支持数≥3等）后，最终检测到7个缺失、5个串联重复和3个倒位。该方法的有效性通过成功验证先证者已知的DMD外显子45-54缺失和外显子38-43串联重复得到证实，其定义的断点坐标与既往研究一致。
3.4 与常规SV检测算法的整合
在剔除LPER读段的数据集中，Lumpy、SvABA和Delly三种算法均能检测到DMD致病性缺失，而Lumpy和Delly能检测到串联重复，其结果与LPER分析和既往基因分型结果完全吻合。
3.5 额外X连锁SVs发现
LPER分析预测了两个新的X连锁SVs。一个是Xq28区域的1.5 kb缺失，经gap-PCR在DMD先证者和41例普通人群样本中确认，其等位基因频率高达0.83，呈现高度多态性。另一个是Xq28区域的1.2 Mb倒位，该倒位由一对8.4 kb长、99.6%同源的IRs介导，属于常规SV检测算法无法发现的完美倒位。经IS-PCR在16例样本中验证，其等位基因频率为0.31，同样呈多态性。
3.6 血友病倒位热点基因分型前景
通过分析跨越int22h和int1h重复序列的LPER，研究人员成功判断出DMD先证者体内不存在导致血友病的Inv22和F8内含子1倒位（Inv1），这一阴性结果得到了特异性IS-PCR实验的证实。这表明该方法有望在不进行靶向捕获的情况下，通过二代测序检测这些经典倒位。
3.7 整合SNV/Indel变异检测算法
将原始比对数据输入GATK4流程，在F8基因中检测到多个深部内含子及其他类型变异。其中一个位于F8内含子3剪接接受位上的非致病性SNP（rs35621875），通过PCR扩增和Sanger测序得到了实验验证。
四、讨论与结论
本研究提出了一个概念验证性的新策略，通过利用限制性环状DNA中包含的长距离单倍型信息（LPERs），显著扩展了短读长NGS技术在SV大规模检测方面的能力，且不影响常规SNV/indel的检测。该方法能够检测出对NGS来说几乎不可见的完美倒位，这是其最突出的优势之一。
与传统短读长WGS相比，该方法将单倍型信息从约350 bp的常规PER延伸至平均4 kb的LPER，为SV检测提供了关键的额外证据。与长读长平台相比，尽管在检测超大SVs方面可能存在劣势，但短读长平台在SNV/indel基因分型的准确性上仍是金标准，且成本更低、临床应用更广泛。对于完美倒位的检测，即使三代长读长测序也常常需要借助特异性长片段PCR扩增才能解决，而本方法通过分析LPER模式即可实现无偏倚检测。
研究结论表明，这种集成了限制性环状DNA短读长WGS、新型LPER分析流程以及常规变异检测算法的综合策略，能够提供一套全面的变异检测谱，涵盖深部内含子变异、SNV/indel以及包括完美倒位在内的各种SVs。该方法具有在全球基因组研究和临床环境中成功应用的潜力。其局限性在于，局限于单个限制性片段内部的重排不会产生信息性LPER，更换限制性内切酶可能提高信息量。所有大规模基因组分析都只能作为变异筛查工具，需辅以独立的基因检测实验进行验证。
