BBQ：利用重叠读段信息建模测序错误并提高低频体细胞变异检测精确性

《BMC Biology》：Accurate calling of low-frequency somatic mutations by sample-specific modeling of error rates

背景从下一代测序数据中检测罕见的体细胞变异具有挑战性，因为仅存在于少数DNA分子中的真实变异可能难以与测序错误区分开来。在对短DNA片段进行双端测序时，重叠读段对中的不一致碱基提供了关于样本特异性测序错误的直接信息。我们开发了“更好碱基质量”（Better Base Quality，BBQ）方法，利用这些不一致性来建模测序错误概率，并提高低频体细胞变异的检出能力。结果BBQ基于突变类型、序列上下文和碱基质量来估计样本特异性错误率，并额外考虑重叠读段对中一致碱基的降低错误率以及位置特异性的测序错误证据。这些错误概率被整合到一个基于似然的变异检测器中，该检测器旨在优先保证精确性，以检测仅由少数DNA片段支持的变异。我们使用源自人类睾丸样本的合成低频体细胞突变基准和来自结直肠癌患者的两个独立游离DNA数据集评估了BBQ。估计的错误模型捕获了样本之间错误模式的显著差异，并改善了真实等位基因与测序错误之间的区分能力，超越了标准碱基质量评分所包含的信息。在基准数据集中，BBQ实现了比常用体细胞变异检测器（包括Mutect2、Strelka2和LoFreq）更高的精确性，尤其是在支持少数替代等位基因的变异方面。性能提升也推广到了一个独立的cfDNA样本。结论重叠双端读段不仅可以用于去除不一致碱基，还可以用于学习样本特异性测序错误模式。通过将这些错误概率直接整合到变异检测中，BBQ提高了从标准测序数据中检测低频体细胞变异的精确性，而无需匹配的训练样本或分子条形码。因此，BBQ可能特别适用于需要将罕见变异与测序错误区分开来同时保持低假阳性率的应用场景。