《Biophysica》：Evaiutilities, Evaifilter, Evaiweb and Evaidesktop: Genomic Utilities for Genomic Single- and Cohort-Scale eVai Analysis
编辑推荐：
人类基因组变异的全面注释对于这些变异的生物学解读及其与疾病表型的关联至关重要。目前已开发出多种工具，利用既有参考数据库对变异进行注释。除开源基因组学的显著进展外，产业界也开展了并行举措以促进变异识别与注释。evaiutilities通过提供命令行、网页界面与桌
人类基因组变异的全面注释对于这些变异的生物学解读及其与疾病表型的关联至关重要。目前已开发出多种工具，利用既有参考数据库对变异进行注释。除开源基因组学的显著进展外，产业界也开展了并行举措以促进变异识别与注释。evaiutilities通过提供命令行、网页界面与桌面界面，增强了上述能力，为群体水平分析提供了可扩展的解决方案。临床变异解读的主要挑战之一在于遗传变异的准确识别与注释，以及确定其与疾病表型的因果关系。为满足可靠的变异检出与功能注释需求，研究人员已开发出大量计算工具、机器学习算法与专门数据库。代表性例子包括dbNSFP——一个用于非同义变异与剪接位点变异功能预测与注释的综合资源，以及旨在改进变异效应预测的集成机器学习方法。鉴于准确变异解读在疾病诊断中的重要性，研究人员建立了基因组解读关键评估（CAGI）计划，以评估预测遗传变异表型效应的计算方法。这些工作凸显了机器学习在变异解读中日益增长的作用，并强调了系统评估预测模型性能与可靠性的重要性。此外，疾病相关变异的识别依赖于准确的基因注释，并在适用情况下依赖于从头基因预测。新一代测序技术的出现促进了全面基因组注释的高通量流程的开发与实施。遗传变异可影响疾病易感性与进展，可作为疾病风险的潜在指标，并通过生殖系突变构成遗传性疾病的基础。鉴于越来越多的证据表明遗传变异与广泛疾病谱相关，国际研究团体、学术机构与生物技术产业之间的协同努力对于推进变异识别、注释与解读至关重要。已开发出广泛的数据库与计算工具以促进遗传变异的注释、解读与优先级排序，包括dbNSFP。变异效应预测器（VEP）广泛用于大规模基因组研究，包括千人基因组计划与Exome Aggregation Consortium（ExAC）开展的分析，并构成GEMINI变异分析框架的关键组成部分。类似地，ANNOVAR通过表征单核苷酸变异及其他类型遗传变异的基因组背景与推定功能后果，支持对这些变异的注释，同时提供系统化优先级排序与候选变异过滤的方法。与此同时，提高变异注释计算效率的需求推动了数据压缩与处理专用工具的开发，如Echtvar。此外，基于机器学习的变异致病性预测方法已得到广泛研究，多项研究强调了其在临床基因组学与变异解读中的潜在效用。尽管取得了这些进展，变异识别、注释与优先级排序的可扩展解决方案在学术研究与商业应用中的可用性与实现仍不均衡。特别是，需要能够将既有生物学知识与机器学习及深度学习方法相结合的计算框架，以支持大规模临床与群体基因组分析，包括在包含多样基因型的队列中系统评估变异。在商业可用平台中，eVai（https://www.engenome.com/product/）提供变异识别、注释与解读功能。然而，其以图形用户界面为主的操作方式，以及对命令行执行与高性能计算（HPC）基础设施上大规模分析的支持有限，可能限制其整合到自动化生物信息学流程中，并限制其应用于大型基因组队列。为解决这些局限，研究人员推出evaiutilities与evaifilter两个互补的命令行工具，以及由Axum驱动的网页服务器evaiweb。这些工具旨在促进eVai整合到可重复、自动化的计算工作流中，并实现跨大型且遗传异质群体的可扩展变异分析。
研究背景方面，全面注释人类基因组变异对于生物学解读及变异与疾病表型的关联至关重要。目前已开发出多种利用参考数据库注释变异的工具，开源基因组学取得显著进展的同时，产业界也开展了并行举措。临床变异解读的主要挑战在于遗传变异的准确识别与注释，以及确定其与疾病表型的因果关系。研究人员已开发出dbNSFP、集成机器学习方法、变异效应预测器（VEP）、ANNOVAR、Echtvar等多种工具与数据库，并建立了基因组解读关键评估（CAGI）计划以评估预测遗传变异表型效应的计算方法。然而，变异识别、注释与优先级排序的可扩展解决方案在学术研究与商业应用中的可用性与实现仍不均衡，尤其缺乏将既有生物学知识与机器学习及深度学习方法相结合、支持大规模临床与群体基因组分析的计算框架。商业平台eVai提供变异识别、注释与解读功能，但其以图形用户界面（GUI）为主的操作方式，以及对命令行执行与高性能计算（HPC）基础设施上大规模分析的支持有限，可能限制其整合到自动化生物信息学流程及应用于大型基因组队列，因此需要额外的计算工具以实现对大量eVai注释变异的系统查询、过滤与比较分析。
在此背景下，研究人员开发了evaiutilities、evaifilter、evaiweb与evaidesktop，以Rust语言（版本1.91.0）开发，利用Tokio运行时实现异步多线程执行，命令行界面（CLI）使用clap crate实现，模块与搜索功能设计支持并发执行，以促进大规模群体变异数据集的高通量处理。研究人员指出，据其所知在开发时未发现可直接比较、提供等效命令行与网页功能用于统一群体规模变异数据集分析的工具，因此无法与等效现有工具进行直接比较基准分析。eVai的一个关键局限是其输出文件的专有性质，可能限制其与外部分析工具及计算工作流的互操作性。重要的是，evaiutilities并未引入新的变异压缩、验证或生物学效应预测算法，而是提供数据分析、验证与查询的补充功能，以促进对eVai生成数据的下游分析。因此，对所提出工具的评估聚焦于其功能、计算性能与可扩展性，而非与现有软件的直接算法比较。这些工具尤其适用于大规模基因组队列研究，其中对eVai衍生数据的系统处理与查询可能带来大量计算需求。基于浏览器的界面在处理大型数据集或支持高通量分析时可能存在实际局限，因此性能优化的命令行与桌面应用可补充现有图形界面，实现对eVai输出文件的自动化、计算密集型与可扩展分析。为确保数据集可比性并系统评估所实现的功能，研究人员选取基因组队列的代表性子集进行测试，并在相应GitHub仓库的README文件中提供评估程序与结果的详细描述，这些仓库同时支持旧版与新版eVai用于基因组队列分析，从而允许在基因组队列研究中挖掘变异、变异坐标与基因。
关键技术方法方面，研究主要采用Rust语言（版本1.91.0）开发工具，利用Tokio运行时实现异步多线程执行，命令行界面使用clap crate实现；evaiweb采用基于Rust的Axum框架进行后端开发，使用SQLite进行数据库管理，网页表单与用户界面采用Bootstrap框架实现；evaidesktop为独立桌面应用，实现与evaiutilities相同的核心功能（除SQLx数据库外）并提供图形用户界面（GUI）；评估使用来自大规模慢性淋巴细胞白血病（CLL）基因组队列的代表性数据子集，其中每个样本由唯一标识符表示。
研究结果方面，3.1 商业变异检测：变异注释的演变格局。研究人员指出，大量研究聚焦于遗传变异识别、注释与解读的计算方法开发，包括将基因组变异编码为紧凑32位表示的数据压缩算法，以及如MultiScore Variant Annotation（MuSA）等利用Nextflow编排多个注释工具并输出Mutation Annotation Format（MAF）及交互式HTML表格的方法。eVai是整合多个数据库与开源工具信息以注释遗传变异并评估其潜在临床意义的商业平台，已在学术与工业环境中采用，但其以图形化、基于浏览器的界面为主且原生命令行功能有限，可能制约其整合到自动化流程及应用于群体规模数据集的高通量分析。为此，研究人员开发了evaiutilities、evaifilter与evaiutilities-desktop，这些补充性命令行与桌面工具用于处理eVai及其他产生兼容输出格式平台生成的变异注释，桌面版本实现与evaiutilities相同的全部核心功能（除SQLx数据库外）并提供图形用户界面，这些工具促进多个群体水平数据集的高通量分析，并实现对跨样本与跨研究基因组变异的系统查询，通过扩展既有注释输出的分析能力，提供可扩展且可重复的框架以表征大型数据集中遗传变异的分布。
3.2 Evaiutilities、Evaifilter与Evaiweb。研究人员指出，人类基因组学正产生日益庞大复杂的数据集，需要能够高效识别、注释、过滤与解读遗传变异的计算方法。eVai支持高通量变异注释与分层分类，其注释结果可导出为制表符分隔值（TSV）格式。为满足群体规模基因组研究对高效查询、过滤与比较分析的需求，研究人员开发了以Rust实现的命令行软件包evaiutilities，处理eVai生成的注释文件，实现跨多个样本、群体与数据集的已注释基因组变异的系统查询，提供群体与变异水平研究的多种分析功能，包括跨群体搜索特定变异、基于坐标的查询、识别定义基因组区间内的变异、序列特异性搜索以及基于参考与替代等位基因的过滤，此外还包括注释汇总、报告生成、提取变异侧翼转录本序列与分类变异过滤。为补充evaiutilities，研究人员开发了evaifilter，一个在群体与个体研究水平进行变异过滤的并行化工具，支持按用户定义标准进行多线程过滤，包括变异质量、测序覆盖度与合子性，多个标准可组合以识别满足特定质量阈值、覆盖度要求与等位状态组合的变异或基因型。尽管evaiutilities可通过命令行界面实现高效的群体规模变异查询，基于网页的界面可进一步促进结果的探索与解读，因此研究人员开发了evaiweb，一个旨在支持跨多个群体研究交互式查询变异注释的网页应用，将各研究的已注释变异数据整合到统一的SQLite数据库中，实现共同框架内的跨数据集集成搜索，后端处理采用基于Rust的Axum框架，用户界面采用Bootstrap。evaiweb搜索界面支持按多个标准查询已注释变异，包括参考等位基因、基因、基因组起止坐标、替代等位基因、基因型与致病性评分；查询针对包含大规模慢性淋巴细胞白血病（CLL）基因组队列变异注释的统一数据库进行，结果记录包括样本或群体标识符、染色体、基因组坐标、替代等位基因、HGVS蛋白水平注释（HGVSp）、基因与最终变异分类。研究人员的评估验证了所实现功能可在真实基因组数据上运行，并支持跨不同界面一致的变异查询与注释，特别是工具使用户能够搜索特定变异（包括由参考与替代等位基因组合如A>G识别的变异），并通过命令行执行或网页界面检索相应注释；通过提供跨样本与数据集的统一查询框架，evaiweb促进跨个体样本与群体水平研究识别与比较变异出现及注释，表格输出支持系统评估变异分布与注释，为下游变异解读与比较基因组分析提供基础。研究人员进一步指出，变异已被证明影响生物物理速率与代谢，尤其是致病变异，通过基因组队列研究挖掘此类变异将实现潜在疾病相关变异的大规模发现；疾病相关遗传变异可改变蛋白质结构、稳定性、动力学与分子相互作用，从而促进疾病的发生与进展；将遗传变异分析与生物物理建模相结合，为理解分子水平变化如何影响蛋白质功能与疾病表型提供机制框架；计算预测应与实验功能测定及临床证据结合解读，以确定单个变异的意义。eVai注释变异（无论是否与疾病相关）并为其关联致病性评分，致病性评分与变异—疾病关联有助于研究疾病发生并促进及时有效的临床决策。近期研究表明遗传变异可通过改变底层DNA序列显著影响转录因子（TF）—DNA结合相互作用，这些效应可利用位置权重矩阵（PWM）预测，但此类预测受限于eVai的能力，其采用机器学习方法注释遗传变异并估计致病性评分，evaiutilities则在此基础上提供数据过滤、处理与下游分析的额外功能。
讨论与结论方面，论文未设独立讨论章节，其讨论内容融入结果部分。研究结论可概括为：研究人员开发了evaiutilities、evaifilter、evaiweb与evaidesktop，为eVai生成的变异注释数据提供命令行、网页与桌面访问途径，实现跨样本、群体与数据集的系统查询、过滤与比较分析；这些工具不引入新的变异压缩、验证或生物学效应预测算法，而是提供补充功能以促进下游分析；其评估聚焦功能、计算性能与可扩展性；工具尤其适用于大规模基因组队列研究，可支持候选疾病相关变异的识别与优先级排序，并促进群体与临床基因组学的下游研究。
