《International Journal of Molecular Sciences》:Systematic Evaluation and Correctability of Variant Discrepancies During Reciprocal hg19/hg38 Liftover in Whole-Exome Sequencing
编辑推荐:
基因组数据集常基于 hg19(GRCh37)与 hg38(GRCh38)不同参考组装,整合时依赖坐标 liftover(基因组坐标转换),但相关差异的可校正性尚不明确。研究人员利用实验验证的等位基因对(来源于纯合性葡萄胎DNA、杂合外周血DNA及七个物理梯度稀
基因组数据集常基于 hg19(GRCh37)与 hg38(GRCh38)不同参考组装,整合时依赖坐标 liftover(基因组坐标转换),但相关差异的可校正性尚不明确。研究人员利用实验验证的等位基因对(来源于纯合性葡萄胎DNA、杂合外周血DNA及七个物理梯度稀释混合样本),将同一全外显子测序(WES)FASTQ数据经 DRAGEN v4.3 分别比对至 hg19 与 hg38 并独立变异调用,再进行双向 liftover 与等位基因对比较。hg38→19 与 hg19→38 路径中,分别有 789/20,038(3.94%)与 524/19,771(2.65%)等位基因对不一致。纳入内含子变异的再分析识别出 304 与 156 个外显子至内含子功能移位,显著降低表观空-空(N-N)移位。基因型翻转与功能区移位占两路径不一致对的 91.51% 与 77.10%,被视为潜在可校正;残余不可校正差异分别为 67 与 120 对(占有效等位基因对 0.33% 与 0.61%),含 N-N 移位。BAM 层检查显示差异可能来自参考依赖比对、局部序列呈现与变异调用差异。结果表明全面变异协调可消解大量表观跨组装差异,但部分仍不可解;原始数据可获时,基于统一参考重组分析仍更优。
研究背景与问题提出
人类基因组参考序列历经 GRCh37(hg19)至 GRCh38(hg38)更新,后者修复了碱基错误、闭合缺口并扩展替代位点(alternate loci)表示。大量遗留 WES 数据仍存于 hg19,而新数据多基于 hg38,跨组装整合依赖 UCSC LiftOver、CrossMap 等 liftover 工具。已有研究提示转换失败、坐标错位、参考等位基因不匹配及单向不可逆问题,并提出转换不稳定位置(CUPs, conversion-unstable positions)。但“坐标转换后差异有多少可被标准化协调、多少真正不可解”缺乏实验验证体系支撑。
研究人员设计的研究与核心结论
研究人员构建物理参考模型:以纯合葡萄胎(H. mole)DNA 与杂合血 DNA 按 5%–95% 梯度混合,形成可复现的变异等位基因分数(VAF, variant allele fraction)轨迹,定义 Ho-He、Ho-Ho、Ho-N、N-He、N-Ho 五类信息性等位基因对。对同一 WES 的 FASTQ,用同一 DRAGEN v4.3 流程分别比对 hg19/hg38,再做双向 liftover 与直接调用结果比对。研究发现:初始不一致率 3.94%(hg38→19)与 2.65%(hg19→38);经参考碱基、链方向、功能区域再注释协调后,91.51% 与 77.10% 不一致对属潜在可校正;残余不可校正仅 0.33% 与 0.61%。结论:跨组装差异多数源于参考表示与注释策略,非生物学真差异;但有 Raw 数据时重比对仍为金标准。
主要关键技术方法
样本来自纯合 H. mole DNA(NA07489)与杂合外周血 DNA 及七档物理稀释混合队列;仅取三个 WES 捕获试剂盒共同靶区、常染色体 SNV。用 DRAGEN v4.3 体细胞模式双参考独立比对与变异调用;rtracklayer/liftOver 配 hg19ToHg38 与 hg38ToHg19 chain 做双向坐标转换;用 BSgenome 取参考碱基、TxDb 注释做链向与功能区域(外显子/内含子/剪接区)协调;以 VAF 稀释一致性过滤高置信等位基因对;对残余空-空(N-N)移位回溯 BAM 层读段深度与等位支持。
研究结果
2.1 两阶段研究设计评估 liftover 差异
通过 Stage 1 三试剂盒数据横向比较发现参考碱基依赖的基因型漂移;Stage 2 用同一 FASTQ 双参考重分析消除流程混杂,建立可归因的误差分类框架。
2.2 跨试剂盒等位基因对揭示参考转换相关递归基因型移位
以 iGe 为基准,iMa(hg38 升 hg19)出现显著 Ho-He?N-He、Ho-N?N-Ho 递归移位及 Ho-Ho→N-N 翻转,证实主要为真“基因型翻转(genotype flipping)”而非试剂盒性能差。
2.3 双向 liftover 揭示方向依赖与机制异质差异
hg38→19 初始不一致更多但可校正比例更高;不一致含基因型翻转、外显子-非编码移位、外显子-内含子移位、注释移位与 CUPs。扩展完整变异集后再协调,把大量表观 N-N 重归类为功能区域移位。
2.4 可校正与不可校正差异的分层
可校正=基因型翻转+功能移位;不可校正= liftover 失败、非一一对应 CUP、N-N 残留、基因型振荡。两路径残余不可校正分别为 67 与 120 对。
2.5 残余 N-N 移位的 BAM 层刻画
BAM 检查示同源位置可能无变异支持读段、覆盖极低、有读段但无 VCF 记录、邻近位置表示差异或簇状错位,机制混合且不可单因归因。
2.6 典型跨组装差异机制特征
链向反转(如 GPRIN2 位 T/C→A/G,Ho-Ho 与 V375 保留)不改等位对;非一一对应 CUP 涉及 primary/fix/alternate 表示,需位点级追踪。
讨论与结论翻译
讨论指出:跨组装整合前须保留完整原始变异(含内含子),依次做坐标转换、REF/ALT 与链向协调、统一再注释,最后再做功能过滤;VCF 层协调不能复原缺失调用。方向不对称属本数据集特征,非普适最优路径。局限含单一遗传背景、仅常染 SNV、外显靶区、DRAGEN 单模式。
结论部分译文:
研究人员系统刻画了双向 hg19/hg38 liftover 相关差异。全面参考碱基与功能区域协调识别出大量既往未识之外显子-内含子移位,使 hg38→19 与 hg19→38 中分别 91.51% 与 77.10% 不一致等位基因对具潜在可校正性;然残余差异仍影响 0.33% 与 0.61% 信息对等位基因对,以 N-N 移位为主。BAM 层显示其异质性可能关涉参考依赖比对、局部序列表示及变异调用/报告差异。结果强调:功能过滤前应对完整变异集做坐标转换与 REF/ALT 协调;此类流程可解许多表观差异,但不能替代统一参考下的独立比对与变异调用。Raw 测序数据可获时,以统一参考与验证流程重组分析仍首选,尤其对未解或临床关键变异。
论文解读已完成,接下来可以选择一个方向继续深化:
把可校正差异整理成标准化协调流程 深入解析残余N-N移位的BAM证据机制 把可校正差异整理成标准化协调流程 深入解析残余N-N移位的BAM证据机制