大规模并行测序中七种线粒体基因组富集方法的评估

《Genes》:An Assessment of Mitogenome Enrichment Methods for Massively Parallel Sequencing

【字体: 大 中 小 】 时间:2026年11月18日 来源:Genes 3.1

编辑推荐:

  背景/目的:在核DNA有限或母系亲属关系遥远的法医学和历史鉴定案例中,线粒体DNA(mtDNA)的大规模并行测序(MPS)是重要工具。目前已存在多种线粒体基因组(mitogenome)富集和文库构建方法,但适宜方法的选择在很大程度上取决于样本质量和DNA片段大

背景/目的:在核DNA有限或母系亲属关系遥远的法医学和历史鉴定案例中,线粒体DNA(mtDNA)的大规模并行测序(MPS)是重要工具。目前已存在多种线粒体基因组(mitogenome)富集和文库构建方法,但适宜方法的选择在很大程度上取决于样本质量和DNA片段大小。方法:本研究评估了7种线粒体基因组富集方法,共处理96份样本,样本类型和质量各异,均按照制造商推荐的方案进行操作:长片段(LR)PCR、杂交捕获、NimaGen IDseek线粒体DNA全基因组测序、QIAseq靶向DNA人类线粒体panel、Precision ID mtDNA全基因组panel、PowerSeq全线粒体系统以及ForenSeq mtDNA全基因组试剂盒。除Precision ID文库在Ion GeneStudio S5上测序外,其余均在MiSeq FGx上完成测序。数据分析采用制造商推荐的软件和适用的变异检测参数。结果:对于所有富集方法,在高质量DNA投入量低至15.6 pg时,碱基覆盖度均超过96%;而对于质量较低的骨骼样本,结果差异较大(即0–100%)。在降解样本中,杂交捕获和商业化小扩增子方法的表现优于LR PCR方法。各方法的成功率还受提取物质量的限制,来自参考型样本的粗制Chelex提取物对线粒体基因组覆盖度和单倍型准确性产生了负面影响。排除异质性后,7种方法获得的单倍型高度一致。不一致性仅限于3个ForenSeq单倍型的命名不规范以及2份样本存在变异缺失(分别来自QIAseq和PowerSeq),这些问题均可归因于相关分析软件而非试剂盒化学原理。结论:总体而言,每种线粒体基因组富集和文库构建方法在其预期样本类型上均表现良好。在确定实施线粒体基因组MPS方案的最佳方法时,实验室必须评估该方法在常规案件样本上的表现,并考虑预算、通量和IT基础设施需求等实际因素。
线粒体DNA(mtDNA)分析在涉及核DNA极少甚至缺失和/或母系亲属关系遥远的样本的历史和法医案例中至关重要。在法医实验室引入大规模并行测序(MPS)技术之前,mtDNA的法医分析主要集中于控制区(CR),原因在于该区域的高度变异性和Sanger测序的 labor-intensiveness。然而,MPS使整个线粒体基因组(mitogenome)的分析更加可行且具有成本效益,从而提高了该标记的鉴别能力。MPS线粒体基因组工作流程对单倍型生成的准确性至关重要,而单倍型生成受富集方法、测序化学和分析流程等因素的影响。总体影响在很大程度上还取决于所处理的样本类型和质量;因此,在实施MPS线粒体基因组工作流程之前,有必要开展涵盖相关样本范围的全面研究。

目前存在多种线粒体基因组靶向富集方法,包括杂交捕获和基于PCR的方法;然而,即使在同一类方法内,也可能存在显著差异。使用两个长片段(LR)扩增子(每个约8.5 kb)进行线粒体基因组的PCR富集适用于具有较大完整DNA片段的参考级样本。该方法能够以高通量方式生成高质量的线粒体基因组单倍型,如Taylor等所展示。在另一极端,对于片段大小<100 bp的高度降解遗骸,杂交捕获是必要的,例如武装部队法医鉴定系统武装部队DNA鉴定实验室(AFMES-AFDIL)为协助鉴定未知军人而处理的样本。这些样本由于细菌污染,内源性人类DNA含量可能很低(<0.01%),进一步凸显了使用杂交捕获方法进行靶向富集的优势。尽管杂交捕获对降解DNA有优势,但其劳动强度大、相对昂贵,对于DNA片段较完整的样本则没有必要。商业化小扩增子PCR方法的引入促进了MPS在线粒体基因组分析中的更广泛采用,使实验室能够更容易地在各种样本质量下实施该技术。

商业化小扩增子PCR试剂盒利用约100–250 bp的短重叠扩增子靶向完整线粒体基因组。这些试剂盒允许极少的DNA投入量,被认为快速且具有成本效益。然而,该方法也存在显著缺点,例如引物结合位点(PBS)错配和核mtDNA片段(NUMTs)的共扩增。由于突变模式引起的引物结合位点错配可通过引入简并引物来应对全球单倍型变异加以克服。与LR PCR方法相比,小扩增子富集中NUMTs的共扩增更为普遍,因为LR扩增子大于大多数NUMTs。这可以在数据分析阶段通过严格的生物信息学策略加以克服,尽管并非完美解决方案。目前市场上许多MPS线粒体基因组试剂盒已实施解决方案以克服其中一个或两个问题(例如降低推荐投入量、简并引物、生物信息学过滤),简化了线粒体基因组MPS数据的分析。

本研究启动时,市场上有五种商业化小扩增子线粒体基因组试剂盒可用于MPS:IDseek线粒体DNA全基因组测序试剂盒(NimaGen)、QIAseq靶向DNA人类线粒体Panel(QIAGEN)、Precision ID mtDNA全基因组Panel和Precision ID文库试剂盒(Thermo Fisher Scientific)、PowerSeq全线粒体系统(Promega Corporation)以及ForenSeq mtDNA全基因组试剂盒(QIAGEN)。这些试剂盒在制造商推荐的DNA投入量和panel设计方面存在细微差异,各有其样本处理的整体优势。

IDseek线粒体DNA全基因组测序试剂盒采用反向互补PCR(RC-PCR),此前的研究已证明其具有更高的灵敏度和特异性。该RC-PCR富集步骤将扩增、接头连接和索引整合在一起,最大限度地降低了污染风险。此外,下游处理以高效方式进行,因为样本按引物池和DNA投入量进行合并。QIAseq靶向DNA人类线粒体Panel通过单引物延伸(SPE)实现线粒体基因组的靶向富集,该延伸由靶特异性引物和通用引物组成。该方法对劣质样本有益,因为它不依赖于具有两个靶特异性PBS的较大完整片段的存在。QIAseq试剂盒的一个额外优势是使用独特分子索引(UMIs),其与原始DNA分子连接,用于下游分析中的生物信息学检测。这允许生成一致性读段并去除PCR重复,从而降低检测阈值并减少因PCR或测序错误而检出的变异。Precision ID mtDNA全基因组Panel被法医界广泛认为是可靠的技术,也适用于降解DNA样本,因为其扩增子大小范围较小,所有扩增子均低于200 bp。Precision ID panel的自动化处理工作流程也可在Ion Chef上使用,提高了效率。此外,截至2026年5月,Precision ID mtDNA全基因组Panel是唯一获得国家DNA索引系统(NDIS)批准的线粒体基因组MPS试剂盒,允许将该试剂盒生成的mtDNA(仅CR)数据上传至定罪罪犯DNA索引系统(CODIS)。PowerSeq全线粒体系统提供与IDseek和Precision ID线粒体基因组试剂盒相似的益处,在初始PCR步骤后对下游处理进行样本合并。尽管PowerSeq全线粒体系统未获NDIS批准,但PowerSeq CRM巢式系统已获NDIS批准,但其仅靶向mtDNA CR。ForenSeq mtDNA全基因组试剂盒和通用MPS工作流程在法医界也已确立,许多实验室利用QIAGEN的ForenSeq系列试剂盒进行短串联重复和单核苷酸多态性处理。

具备内部MPS能力的法医实验室通常使用台式测序仪,如MiSeq FGx测序系统(QIAGEN)或Ion GeneStudio S5系统(Thermo Fisher Scientific)。Illumina平台(包括MiSeq FGx)利用合成测序(SBS),通过可逆染料终止子检测荧光标记,根据试剂盒的不同,生成12–25百万单端读段或24–50百万双端读段,读长可达600 bp。Ion测序同样利用SBS技术,通过半导体芯片检测周围溶液pH变化来检测氢离子的释放。Ion 530芯片的最大输出为20百万条400–600 bp单端读段,更新的试剂盒提供更高输出;然而,Ion测序化学不允许生成双端数据。LR PCR和杂交捕获富集方法可与多种文库构建方法结合,使这些文库适用于Illumina和Ion测序。IDseek、PowerSeq和ForenSeq试剂盒包含用于Illumina平台测序的文库构建试剂,其中ForenSeq试剂盒专为在MiSeq FGx上测序而设计。QIAseq文库构建方案提供适用于Illumina或Ion平台测序的配置。Precision ID试剂盒设计用于Ion平台测序;然而,制造商的方案也适用于Illumina测序,因为panel和文库构建试剂盒是分开销售的。

法医界使用多种数据分析平台分析MPS mtDNA数据。CLC Genomics Workbench(QIAGEN)配合AFDIL-QIAGEN mtDNA Expert(AQME)工具,与平台、样本类型以及富集或文库构建方法无关;不过,CLC需要开发自定义工作流程,这对刚接触MPS数据分析的法医从业人员来说可能具有挑战性。GeneMarker HTS(SoftGenetics)为Illumina和Ion数据提供简化的mtDNA工作流程。该软件特别包含PowerSeq mtDNA panel以简化数据分析。QIAGEN的通用分析软件(UAS)是一个自动化分析平台,专为ForenSeq试剂盒和在Forensic Genomics模式下MiSeq FGx平台生成的数据而设计。Applied Biosystems Converge Software(Thermo Fisher Scientific)专为分析Ion平台上Precision ID panel测序的数据而设计。所有软件程序都采用可调整或不可调整的参数进行修剪、比对和变异检测;因此,其对结果的影响可能与富集方法和/或测序技术同样大。这些生物信息学流程可能包括额外步骤以简化法医样本的数据分析,例如通过将AQME工具整合到CLC工作流程中检测同聚物区域的长度变异,或UAS和Converge中采用的自动NUMT去除方法。

尽管已有多项研究评估和表征了其中一些方法的富集方法、测序化学和分析流程的影响,但尚未使用同一组样本进行大规模评估。本研究旨在对这7种线粒体基因组富集和文库构建方法进行基线评估,主要遵循制造商的方案,为法医从业人员在考虑采用MPS进行mtDNA分析时提供可能有益的一般性能和实践信息。

2. 材料与方法

本评估评价了7种线粒体基因组MPS方法。包括所有5种市售线粒体基因组MPS试剂盒,以及LR PCR和杂交捕获的自定义方法。为满足FBI质量保证标准中大多数验证要求而设计,本研究评估了每种方法的灵敏度、污染风险、准确性、稳定性、(物种)特异性以及在案件类型样本和混合物上的性能。

2.1. 样本选择

选取96份样本纳入本评估,样本在质量、基质类型、提取方法和mtDNA单倍群方面各异。下文提供了每个评估中所含样本的详细信息。

2.1.1. 灵敏度

为三份样本制备了15.6 pg、31.25 pg、62.5 pg、125 pg、250 pg、500 pg和1 ng投入量的系列稀释:一份参考型样本(REF-1)、高质量对照DNA NA24385(Coriell Institute)和酶切片段化K562基因组DNA(Promega Corporation)。还为REF-1和NA24385制备了5 ng投入量的稀释液,因为其纯(储备)DNA量允许更高投入量。此外,由于LR PCR和QIAseq方法的推荐投入量高于其他方法,NA24385稀释系列中的5 ng投入量被50 ng投入量替代。三组系列稀释通过所有线粒体基因组富集方法处理,杂交捕获除外。

2.1.2. 污染

每种方法均处理多个无模板对照(NTCs),以监测可能通过用户操作技术、试剂和/或实验室程序中使用的耗材引入的污染。本研究中处理的NTCs包括提取时设立的两个提取空白(EBs)以及为每种线粒体基因组富集/文库构建设立的至多六个文库空白(LBs)。

2.1.3. 案件类型样本

选取六份非证明性物证(即三块骨骼和三根毛发干)和34份参考型样本,以涵盖法医案件工作中可能遇到的各种样本质量和基质。还纳入三份人工降解对照DNA以补充低质量案件类型样本。这些包括酶切片段化K562(还用于灵敏度评估)以及来自NIST研究级测试材料(RGTM)10235(现为参考材料(RM)8043)(NIST)的两份降解样本,命名为RGTM-2和RGTM-4。研究中包括的三块骨骼样本来自两个历史背景,一块可追溯至1700年代(B-1),其余两块来自1600年代初(B-2和B-3)。参考型样本包括口腔棉拭子和血斑卡,采用各种化学方法提取。这些包括21份档案参考型样本(REF-2至REF-22),曾用于各种数据库项目,其提取物已在?20 °C下储存二十年。为评估每种富集方法在多种mtDNA单倍群上的性能,选取了代表欧洲、亚洲和非洲母系血统的多样单倍型的档案样本。此外,从三根毛发干样本的捐献者采集口腔棉拭子(例如,参考型样本REF-26c和REF-26e与毛发样本H-26来自同一捐献者),允许对每种富集方法进行直接基质比较。参考型样本经知情同意采集用于质量改进活动(美国陆军医学研究与物资司令部研究保护办公室机构审查委员会,M-10185;国防健康局研究保护办公室,方案# DHQ-20-2073)。

进一步检查案件类型样本以评估稳定性,特别是方法在存在已知抑制剂、降解或非靶DNA时产生可靠结果的能力。参考型样本在基质(即棉拭子、血斑卡)和提取类型上各异,允许评估血红素等抑制剂。三块骨骼样本具有历史背景(100–400年),含有各种已知抑制剂,如细菌DNA和土壤污染物。除这些案件类型样本外,还将三份人工降解(低质量)对照DNA纳入每种方法的稳定性评估。

2.1.4. 准确性

将六份具有已知单倍型的对照DNA样本通过每种富集方法处理,作为通过单倍型一致性评估准确性的措施。这些样本包括NA24385、HL-60(ATCC)和2800M对照DNA(Promega Corporation)。此外,使用三份高质量(非降解)单一来源RGTM 10235样本(即RGTM-1、RGTM-3和RGTM-5)评估每种方法的准确性。HL-60、2800M和RGTM样本的已知线粒体基因组单倍型可获得。NA24385的预期单倍型未发表;因此,使用Taylor等描述的基于LR PCR的方法生成高质量线粒体基因组单倍型。该实验室程序和分析工作流程已被证明可从高质量样本中产生稳健的线粒体基因组单倍型。

除高质量对照DNA外,还使用案件类型样本和人工降解对照DNA样本(K562以及RGTM-2和RGTM-4)评估每种方法生成准确线粒体基因组的能力。除三份参考型样本(REF-5、REF-6和REF-16)外,所有案件类型样本的预期线粒体基因组单倍型均可基于先前生成的数据获得。Taylor等LR PCR方法也用于为高质量案件类型样本生成线粒体基因组单倍型,并作为所有富集方法一致性评估的基线数据。对于因长期储存降解而不适合双扩增子方法(约8500 bp靶标)的档案参考型样本,单倍型用四扩增子方法(跨越整个线粒体基因组的约4300 bp扩增子)生成的数据补充。杂交捕获数据用作三块骨骼样本基线线粒体基因组单倍型的来源,因为该线粒体基因组方法的实验室程序和分析工作流程在AFMES-AFDIL已确立。对于上述三份无先前生成线粒体基因组数据的参考型样本,用于评估一致性的单倍型是本研究中所有方法生成的单倍型的一致性序列。

2.1.5. 混合物

从两份参考型样本的提取物制备九份两人混合物,每位贡献者比例范围为2–50%(1:49、1:19、1:9、1:4、1:1)。每位贡献者的纯提取物(REF-30e和REF-31e)在整个数据集中处理以建立已知图谱。本评估还包括三份RGTM 10235混合物,其组成如下两人和三人混合物比例:9:1(RGTM-6)、2:2:6(RGTM-7)和1:3:6(RGTM-8)。

2.1.6. 物种特异性

处理三种非人类对照DNA,包括大猩猩(Gorilla gorilla)、猪(Sus scrofa)和酿酒酵母(Saccharomyces cerevisiae)(BIOS Laboratories),以评估每种富集方法的特异性水平。此外,纳入三块非人类骨骼样本,包括野猪(Sus scrofa)、牛(Bos taurus)和马鹿(Cervus elaphus),以测试低质量样本的特异性水平。非人类骨骼的来源在先前mtDNA检测中确定,该检测利用12S rRNA区域的Sanger测序和/或捕获文库的线粒体基因组MPS。然后使用在线可用的基础局部比对搜索工具(BLAST)2.17.0将一致性序列数据与国家生物技术信息中心(NCBI)数据库的"核苷酸集合(nr/nt)"进行搜索,以确定物种。

2.2. 提取

参考型样本在高拷贝前PCR实验室中使用以下方法之一提取,具体在表S1中注明:Chelex(Bio-Rad)、EZ1(QIAGEN)和DNA IQ(Promega Corporation)。EZ1提取使用EZ1 DNA Investigator试剂盒(QIAGEN)在EZ1 Advanced XL(QIAGEN)上按照制造商方案进行,用50 μL 10 mM Tris、0.1 mM EDTA、pH 7.5缓冲液(Tris-EDTA)洗脱。DNA IQ提取(Promega Corporation)在Hamilton STARlet(Hamilton Robotics)上进行,用150 μL 10 mM Tris-HCl、pH 8.5缓冲液(Tris-HCl)洗脱。

骨骼样本在专用低拷贝前PCR实验室中提取。骨骼样本用Dremel钻(Bosch)打磨以去除骨骼外部的外源性污染,随后用漂白剂、无菌水和乙醇洗涤。干燥后,将0.35–0.6 g的骨骼碎片用Waring搅拌杯(Waring)粉碎。DNA使用Thomas等详述的非有机方法提取,基于Dabney提取方案。

使用QIAamp DNA Investigator试剂盒(QIAGEN)在低拷贝前PCR实验室中从2 cm毛发干样本提取DNA,遵循制造商针对指甲和毛发的裂解方案。在70 °C孵育后,裂解液基于Rohland等描述的改良Dabney方法纯化。将裂解液(640 μL)与6.4 mL Buffer PB(QIAGEN)混合并结合到High Pure Viral Spin Column(Roche Sequencing)上。柱子用Buffer PE(QIAGEN)洗涤两次,DNA用55 μL Tris-EDTA洗脱。

为大多数样本生成并均质化重复提取物以用于下游处理,确保有足够的提取物体积可用于所有富集方法。为所有提取组生成EBs,并先前评估了污染;然而,本研究仅处理了其中两个EBs,一个在骨骼提取组中生成(EB-1),另一个来自毛发提取(EB-2)。

2.3. 定量

所有样本提取物(包括EBs)和对照DNA样本均使用Applied Biosystems Quantifiler Trio试剂盒(Thermo Fisher Scientific)在Applied Biosystems 7500实时PCR系统上按照制造商方案进行定量。小常染色体靶标(80 bp)的浓度用于确定小扩增子PCR试剂盒推荐的基因组或总DNA投入量。评估降解指数(DI)以评估样本质量(如适用)。此外,样本在Qubit 2.0或Qubit 3.0荧光计上使用Qubit dsDNA HS和BR assay(Thermo Fisher Scientific)按照制造商方案进行定量,以确定总双链DNA(dsDNA)含量。

2.4. 线粒体基因组富集和文库构建

每种线粒体基因组富集方法的处理细节在补充材料S1中提供,步骤以图示形式呈现于图S1。这些程序基于已发表和/或制造商的方案。除灵敏度评估的三组系列稀释外,所有样本均 targeting 每种方法的制造商推荐投入量。每种方法在线粒体基因组富集或文库构建时启动LBs。使用经紫外线照射的分子生物学级水以确保所有方法的无菌性,尽管用于LBs的水在不同时间制备,且批次因组和方法而异。每种方法均纳入对照DNA样本,也作为处理对照进行监测。

2.5. 数据分析

每种方法的序列数据使用制造商推荐的(如适用)分析软件和变异检测参数进行分析。长片段PCR、杂交捕获、IDseek和QIAseq数据在CLC Genomics Workbench v24.0.1中使用自定义工作流程分析。Precision ID、PowerSeq和ForenSeq线粒体基因组试剂盒的数据分析根据制造商推荐的软件和变异检测参数进行。Precision ID数据用Converge Software v2.1分析,PowerSeq数据用GeneMarker HTS v2.6.0根据PowerSeq全线粒体系统技术手册中的建议分析,ForenSeq数据在UAS v2.6.1中分析。在可能的情况下,对每个软件中检出的变异进行分析人员审查,以根据法医建议调整比对、表示主要长度变异并去除与胞嘧啶脱氨基和NUMTs等伪影相关的变异。

2.6. 成本和时间分析

对所有七种线粒体基因组富集方法进行了成本和时间分析,以协助寻求在实验室中实施其中一种方法的从业人员。估算了从线粒体基因组富集到测序的每样本成本和 ??时间(不包括分析)。成本估算使用撰写时的试剂标价(美元)。然而,耗材和定量试剂的成本被排除在计算之外,因为这些成本很小且在所有方法之间相当。时间估算基于处理与该方法多重容量相对应的批次样本所需的总时间。对于这些估算,多重容量基于制造商推荐的最大水平而非本研究中执行的水平确定。

3. 结果与讨论

3.1. 灵敏度

从REF-1、NA24385和K562制备了一组系列稀释,以评估所有富集方法(杂交捕获除外)的灵敏度。三组稀释系列评估了15.6 pg至1 ng的DNA投入量。无法为K562实现更高投入量;因此,5 ng和/或50 ng的DNA投入量仅对REF-1和NA24385进行了评估。PowerSeq在K562 500 pg投入量的数据点作为异常值(78,270X平均覆盖度)从数据集中移除,原因是合并时样本稀释不当。

对于15.6 pg至5 ng的DNA投入量,在灵敏度评估中包括的六种线粒体基因组富集方法之间存在重叠,Precision ID观察到的平均覆盖度最高(7908X),其次是ForenSeq(5386X)和PowerSeq(4677X)。相比之下,LR PCR(951X)、IDseek(1236X)和QIAseq(1325X)的平均覆盖度与其他三种方法相比降低了至少70%。K562的LR PCR富集因该对照DNA的片段化性质而失败,从而降低了该方法的总体平均覆盖度。仅考虑REF-1和NA24385的稀释系列时,LR PCR平均覆盖度增至1394X,与IDseek和QIAseq更为一致。Precision ID、PowerSeq和ForenSeq在所有DNA投入量中观察到的相对较高的平均覆盖度值并不意外,因为这些方法采用的多重水平低于LR PCR、IDseek和QIAseq。除QIAseq采用较高多重水平外,分析工作流程基于UMIs进行重复去除,进一步降低了覆盖度。

尽管平均覆盖度存在差异,但对碱基覆盖数量没有影响,几乎所有投入量对所有方法均产生全线粒体基因组覆盖。事实上,排除LR PCR数据集中的K562,所有富集方法在高质量DNA投入量低至15.6 pg时碱基覆盖度≥96%。此外,所有产生的单倍型与预期线粒体基因组单倍型一致(排除异质性变异)。在QIAseq单倍型中,所有三种对照在62.5 pg及以下投入量时观察到额外的点异质性(PHPs),鉴于QIAseq推荐投入量较高,这并不意外。降低的DNA投入量可能导致更大的随机变异,从而产生错误的PHPs。IDseek最低投入量(31.25 pg和15.6 pg)的K562数据以及PowerSeq和ForenSeq的若干较高投入量也表现出额外PHPs。这可能是由于K562因其细胞系生产而具有的变异性,以及其他标记中已记录的,结合对照DNA的人工降解(酶切片段化)。预期PHPs的随机变异也主要在Precision ID单倍型中观察到。这部分是由于应用于Precision ID数据的10%最低频率阈值,因为四个预期PHPs(NA24385一个,K562三个)的观察频率在5%至10%之间。在Precision ID数据中还注意到NA24385在不同投入量下的长度异质性(LHP)变异,这在其他样本中也可见到。方法间异质性检测的差异在准确性评估中进一步讨论(见第3.4.1节和第3.4.2节)。

平均而言,对于REF-1和NA24385稀释系列,LR PCR的线粒体基因组碱基覆盖数最低(96.9%);然而,该数字因单个样本(NA24385在15.6 pg投入量)仅覆盖8454 bp而呈负偏斜。LR PCR富集反应的低DNA投入量最终导致进入文库构建的DNA投入量低于9 ng,远低于150 ng的目标。REF-1和NA24385的所有其他投入量均以≥100X覆盖整个线粒体基因组。如上所述,K562的片段化性质导致PCR富集效率低下,因此LR PCR方法回收率差。这凸显了小扩增子方法在常规遇到低质量样本的法医应用中的优势。

QIAseq(≥10X)和Precision ID(≥20X)处理的系列稀释获得全线粒体基因组覆盖。PowerSeq数据总体上观察到碱基覆盖数略有降低(99.95%),仅因REF-1中一个23 bp区域(nps 14,403–14,424)的持续丢失。这可能是由于GeneMarker HTS中用于PowerSeq线粒体基因组数据的比对方法,可通过修改软件用于比对的Promega_PowerSeq_WholeMito_v1 panel加以解决。另一个持续区域丢失的例子在IDseek的K562系列稀释中观察到,其中np 15,928处的多态性导致PBS问题,影响了IDseek一个扩增子(nps 15,738–15,924)的回收。这导致nps 15,757–15,900的持续丢失,IDseek方法对K562的最大覆盖为16,425 bp。其余覆盖低于16,425 bp的IDseek样本可归因于低于制造商方案的次优DNA投入量(即<50 pg)。这些系列稀释样本的ForenSeq数据平均覆盖16,342 bp(≥45x),约半数未获得全线粒体基因组覆盖;然而,这种降低无法归因于样本单倍型、DNA投入量或平均覆盖度。

3.2. 污染

污染评估包括NTCs,包括提取时设立的EBs和文库构建时设立的LBs。除LR PCR和杂交捕获外,每种富集方法均处理了两个EBs和六个LBs。LR PCR处理包括一个EB(EB-2)和六个LBs,而两个EBs和三个LBs纳入杂交捕获组。

所有NTCs的平均覆盖度未超过7.5X,但Precision ID NTCs和PowerSeq的EB-1除外。总体而言,EB-1在所有方法中具有最高的平均覆盖度和最多的碱基覆盖数,表明在富集/文库构建之前可能存在低水平污染。然而,产生的线粒体基因组单倍型与共提取样本或提取者不一致。

排除EB-1,除Precision ID外所有方法处理的NTCs平均覆盖度≤1.65X。这种低平均覆盖度导致LR PCR、杂交捕获、IDseek和QIAseq方法的EB-2和所有LBs在整个线粒体基因组上无碱基覆盖。NTCs(排除EB-1)的最大碱基覆盖数为PowerSeq的631 bp(≥20X)和ForenSeq的221 bp(≥45X)。对于任一方法覆盖的线粒体基因组部分,仅检测到单个变异(即16519C)或无变异;因此,无法进行溯源。此外,覆盖度可能归因于实验室程序和/或分析流程。

通过Precision ID处理的NTCs在所有七种富集方法中产生了 drastically 最高的平均覆盖度值和碱基覆盖数(排除EB-1,平均分别为27.98X和8478.6 bp)。尽管Precision ID NTCs的平均覆盖度高于其他方法的NTCs,但该值仍远低于Precision ID样本的平均覆盖度(平均超过5000X)。因此,Precision ID NTCs的平均覆盖度低于样本的1%。NTC单倍型主要由PHPs组成,难以轻易溯源。本文中Precision ID NTCs的数据与已发表的验证研究一致。如这些验证研究所示,这些NTCs的数据可能反映了需要结合工作流程(例如多重水平)优化软件设置(例如去除小/引物序列)和阈值设置。

3.3. 案件类型样本

3.3.1. 高质量样本

研究中纳入的高质量样本用于评估七种方法的性能。为这些分析的目的,所有参考型样本以及高质量对照DNA和混合物样本均纳入。用于灵敏度评估的参考型样本(REF-1)和高质量对照DNA NA24385也在此纳入,这两份样本选择的单一投入量基于试剂盒推荐(即LR PCR 1 ng;QIAseq最大投入量;Precision ID 125 pg;IDseek、PowerSeq和ForenSeq 62.5 pg)。总共评估了52份高质量案件类型样本,但其中仅17份用杂交捕获方法处理。

高质量样本的平均覆盖度以PowerSeq最高(平均9339X),其次是杂交捕获(7480X),然后是Precision ID和ForenSeq(均约5000X)。与灵敏度评估相比,高质量样本类型总体上观察到相似的平均覆盖度趋势,其中多重水平较低的富集方法导致更高的平均覆盖度值。与灵敏度评估相比,QIAseq在高质量案件类型样本中观察到与高覆盖度方法更大的重叠(平均3583X),可能是由于DNA投入量(平均10.8 ng)更接近制造商推荐。由于应用了高多重水平,LR PCR和IDseek在高质量案件类型样本中的平均覆盖度显著低于其他五种线粒体基因组方法(平均分别为1822X和959X)。

LR PCR处理高质量样本类型的线粒体基因组回收范围为0–16,569 bp,平均82.3%的线粒体基因组(13,642.7 bp)以≥100X覆盖。与其他方法相比,LR PCR方法观察到的更大多样性线粒体基因组覆盖度可能是由于其较高的最低覆盖度阈值,但也可能表明参考型样本中不同程度的DNA质量。14份无或部分线粒体基因组覆盖的样本中,除一份外,进入文库构建的DNA投入量均<50 ng,不到目标150 ng投入量的三分之一。这些较低的文库构建投入量对应于较差的LR PCR产率(<10 ng),本研究进一步支持了这一发现,即从相同参考型样本的EZ1提取物(REF-26e、REF-27e和REF-28e)通过LR PCR获得了整个线粒体基因组覆盖。同样,本研究中包括的许多档案样本先前也观察到较差的LR PCR效率。因此,LR PCR方法在一部分高质量样本中观察到的较差性能可能是由于样本质量(即降解和/或抑制)而非变异检测参数或单倍型多样性。

平均而言,用杂交捕获、QIAseq、Precision ID和PowerSeq处理的高质量样本类型覆盖≥99.5%的线粒体基因组,IDseek(98.8%)和ForenSeq(97.44%)的回收率略低。排除IDseek的一个异常值(REF-24e)——可能由处理错误导致——IDseek高质量案件类型样本的平均线粒体基因组覆盖度增至99.5%。与LR PCR一样,来自三个Chelex提取物(REF-26c、REF-27c和REF-28c)的ForenSeq数据导致线粒体基因组覆盖度降低(分别为57.4%、69%和74.5%)。这可能表明ForenSeq比其他商业试剂盒更容易受到抑制,另一项研究中也观察到了这一点,因为鉴于这些样本EZ1提取物(REF-26e、REF-27e和REF-28e)生成的ForenSeq数据质量很高,DNA降解和/或单倍型多样性可能不是问题。排除这三个Chelex提取物后,ForenSeq方法处理的高质量案件类型样本观察到的平均线粒体基因组覆盖度增至99.4%,使其性能与其他小扩增子方法相当。

3.3.2. 低质量样本

利用已知较低质量的案件类型样本评估每种方法在法医案件工作中经常遇到的物证类型上的性能。九份低质量样本包括三块历史骨骼(>200年)、三根毛发干样本和三份人工降解对照DNA(RGTM-2、RGTM-4和酶切片段化K562)。由于已知骨骼质量较差,未对这些样本进行LR PCR处理。此外,由于杂交捕获富集的HyperPlus处理过程中出现错误,三根毛发干样本的线粒体基因组结果基于HyperPrep文库生成的数据。与高质量对照DNA一样,本评估中考虑的K562灵敏度系列投入量为LR PCR和杂交捕获1 ng、QIAseq最大投入量(约4 ng)、Precision ID 125 pg,其余三种方法(即IDseek、PowerSeq和ForenSeq)62.5 pg。

低质量案件类型样本观察到的平均覆盖度与高质量样本相似,当用IDseek(1098X)、Precision ID(4348X)、PowerSeq(9923X)和ForenSeq(6892X)方法处理时。QIAseq和杂交捕获数据对低质量样本的平均覆盖度值(平均分别为1436X和1602X)不到相同方法高质量样本值的一半。这可能是由于这些样本中DNA量低,导致更多PCR重复,随后在这些方法的分析流程中进行的PCR重复去除步骤中被去除。这种影响在B-2和B-3的结果中最为明显,它们比B-1质量更低。最后,LR PCR方法对毛发干和人工降解样本的线粒体基因组平均覆盖度为1.2X(骨骼样本未用该方法处理)。鉴于样本质量低(即降解DNA),这些结果并不意外,因为LR PCR富集需要完整的DNA(>8500 bp)。总体而言,低质量案件类型样本的平均覆盖度凸显了即使在不同样本类型之间也可见的质量变异性,以及本研究中包括的小扩增子MPS试剂盒等方法适用于广泛样本类型的优势。

用Precision ID(≥20X)处理的所有三块骨骼样本获得全线粒体基因组覆盖,用杂交捕获覆盖≥98%的碱基(>16,256 bp)(≥5X)。这两种方法均适用于降解样本,因为Precision ID试剂盒的扩增子大小和杂交捕获使用诱饵,这可能促成了更高的线粒体基因组回收率。QIAseq和PowerSeq也表现相似,两块骨骼样本覆盖≥90.7%的碱基;然而,样本B-2在任一方法中均未超过631 bp覆盖(分别为≥10X和≥20X)。这可能归因于QIAseq方法较高的DNA投入量要求和增加的多重水平。此外,PowerSeq尽管平均扩增子大小与Precision ID相似,但扩增子大小范围更大(92–254 bp)。总体而言,IDseek(平均5526 bp覆盖≥20X)和ForenSeq(平均6893 bp覆盖≥45X)获得的回收率最差。如预期,IDseek试剂盒较大的扩增子大小范围(150–250 bp,平均236 bp)不适用于这些高度降解的骨骼样本。相反,ForenSeq在小扩增子PCR方法中具有最小的平均扩增子大小(131 bp)。对于两块质量较差的骨骼样本(即B-2和B-3),ForenSeq的性能可能通过制造商推荐的第二轮纯化得到改善,因为auDNA投入量<20 pg。碱基覆盖数也可能受到ForenSeq数据分析所用较高最低覆盖度阈值(45X)的影响。

对于现代毛发干样本,除LR PCR外,所有富集方法的性能相当,LR PCR导致零碱基覆盖。这可归因于较差的线粒体基因组富集,表现为LR PCR产物无可定量DNA(0 ng/μL)。在其余六种富集方法中,所有三根毛发干样本均覆盖超过97%的线粒体基因组。

人工降解样本也观察到相似趋势。几乎所有方法对这些低质量样本产生的数据均覆盖≥98%的线粒体基因组,达到或超过各自的最低阈值,但有几个例外。与毛发一样,LR PCR也未能产生足够的PCR产物,因此三种降解对照DNA均未获得线粒体基因组覆盖。另一个例外是IDseek对RGTM-4的线粒体基因组覆盖有限,而RGTM-2和K562均产生几乎完全覆盖。基于本研究中使用Quantifiler Trio以及Romsos等获得的这两份样本的降解指数(RGTM-2为3.39,RGTM-4为7.56),RGTM-4所含DNA片段小于RGTM-2,尽管用于人工降解两份样本的紫外线处理相同。因此,RGTM-4的线粒体基因组回收率将更受IDseek试剂盒较大扩增子的影响,就像更降解的骨骼样本一样。最后一个覆盖碱基较少的例外是ForenSeq对K562(62.5 pg投入量)覆盖90%的线粒体基因组(≥45X)。ForenSeq对K562的线粒体基因组覆盖变异在灵敏度评估中也跨投入量观察到,平均96.2%。无法确定ForenSeq对K562覆盖碱基减少的具体来源,因为一些投入量(即250 pg、125 pg和31.25 pg)回收了>99%的线粒体基因组。

3.3.3. 稳定性

总体而言,所有测试的线粒体基因组方法在高质量案件类型样本和对照DNA上表现一致良好,但Chelex提取物是显著例外。六份高质量参考型样本的Chelex提取物与其相应EZ1提取物相比,所有方法的平均覆盖度平均降低55%,范围从PowerSeq的10%到QIAseq的94%。PowerSeq仅平均覆盖度降低10%,同一样本提取类型之间的线粒体基因组覆盖度无差异。同样,Precision ID对Chelex提取物与EZ1相比平均覆盖度降低极小(36%),线粒体基因组碱基覆盖数无差异。然而,这种平均覆盖度降低对线粒体基因组碱基覆盖数的影响因方法而异。例如,虽然QIAseq数据中六份Chelex提取物的平均覆盖度显著低于其各自的EZ1提取物,但仅一份样本的碱基覆盖数存在差异。相反,LR PCR平均覆盖度降低64%,但其中半数样本的线粒体基因组覆盖度大幅下降,包括两份样本无碱基覆盖(REF-27c和REF-28c)。

Chelex提取的问题可能在于其产生粗制、未纯化的提取物。理论上,血斑卡由于存在共提取的抑制剂如血红素而更有问题。然而,在本研究中,口腔棉拭子的Chelex提取物在高质量案件类型样本中跨方法表现最差。因此,可能是粗制提取物与该基质类型DNA产量较低的组合,Peck等先前已报道。较低的DNA量将对LR PCR和QIAseq产生更大影响,因为这些方法的推荐投入量高于其他方法。此外,Chelex提取物的次优数量和质量对单倍型准确性产生了负面影响(详见第3.4.1节),导致在QIAseq和ForenSeq单倍型中检测到虚假PHPs。基于这些数据,建议在采用任何这些测试的线粒体基因组MPS方法时使用纯化提取物(如来自EZ1的提取物),以确保最佳覆盖度和单倍型准确性。

大多数方法足够稳健,能够处理案件类型样本中观察到的降解。三份人工降解对照DNA的Quantifiler Trio DI在2.3至7.6之间,表明中度降解。QIAseq和Precision ID对三份样本均获得全线粒体基因组覆盖。IDseek、PowerSeq和ForenSeq覆盖大部分碱基(平均15,833 bp),IDseek对RGTM-4观察到最低覆盖度(11,580 bp)。鉴于IDseek相比其他方法具有更大的扩增子大小以及RGTM-4更大的降解程度,如前所述,这些结果是预期的。RGTM样本未用杂交捕获处理,但K562在1 ng投入量时获得完整线粒体基因组覆盖。LR PCR不适合作为任何这些样本的线粒体基因组富集方法,导致三份样本均无碱基覆盖(≥100X),平均覆盖度范围为0.53X至1.64X。这可能是由于缺乏完整DNA片段,这对LR扩增有害。在参考型样本中也观察到相似趋势,28份中有6份(21.4%)在100X下无碱基覆盖,另5份(17.9%)覆盖少于1000 bp。在这些表现较差的参考型样本中,仅REF-16的DI值表明降解(1.5,对应轻度至中度降解DNA),而其他线粒体基因组覆盖极少或无的样本的DI值并未表明降解。鉴于Quantifiler Trio assay中大常染色体靶标与LR PCR扩增子(分别为214 bp和约8500 bp)之间的巨大尺寸差异,这一结果并不意外。QIAseq、Precision ID、PowerSeq和ForenSeq均获得全线粒体基因组覆盖,IDseek覆盖大部分碱基(16,343 bp)。REF-16未用杂交捕获处理,但基于该方法对类似质量样本的性能,预期可获得全线粒体基因组覆盖。表现出DNA降解的样本表明LR PCR不是片段化DNA样本的最适方法。相反,采用较小扩增子大小的基于PCR的线粒体基因组富集方法或杂交捕获对降解DNA更为合适。

三块历史骨骼样本除LR PCR外均用所有方法处理,成功率各异。总体而言,综合考虑多种因素(例如,人类DNA浓度、内源性DNA比例、DNA降解),B-1质量优于来自更古老历史背景的两块骨骼。特别是,B-1具有更多内源性DNA(17.99%人类DNA),而B-2(2.71%)和B-3(3.57%)的人类DNA低于4%(基于杂交捕获数据)。杂交捕获读段的GC含量显示大部分读段具有高GC(≥0.55)(B-1和B-3约45%,B-2约70%),即使在富集后也是如此,这与环境中发现的许多细菌一致。这一发现进一步得到auDNA(Quantifiler Trio)和总DNA(Qubit)浓度差异的支持,因为这表明样本中存在外源性(非人类)DNA的比例。尽管历史骨骼的DI不可获得,因为Quantifiler Trio大常染色体靶标未检测到DNA,但杂交捕获数据证明了这些样本的降解程度,这些样本中约一半的DNA片段短于110 bp,即商业线粒体基因组试剂盒的平均最小扩增子大小。鉴于B-1质量较好,这块来自1700年代的骨骼在所有方法中表现最佳,覆盖至少98%的碱基,这并不意外。来自1600年代初的两块质量较低的骨骼观察到更多变的成功。B-2在Precision ID和杂交捕获中观察到完全或接近完全的线粒体基因组覆盖(分别为16,569 bp和16,212 bp),其他方法覆盖不到25%的线粒体基因组。第三块骨骼(B-3)观察到与B-2相似的变异性,Precision ID、PowerSeq、QIAseq和杂交捕获方法的碱基覆盖数范围为15,038 bp至16,569 bp。然而,IDseek和ForenSeq对B-3显示出非常差的覆盖(分别为0 bp和392 bp)。这些结果表明,Precision ID和杂交捕获对降解样本表现最佳,特别是那些内源性DNA低和细菌污染高的样本,而其他小扩增子方法的成功率更多变。

3.4. 准确性

基于先前生成或发表数据的预期线粒体基因组单倍型,对对照DNA和案件类型样本评估了准确性,但三份样本除外,其使用了基于本研究中方法的一致性单倍型。总体而言,本评估纳入来自38个具有独特单倍型的个体的49份样本,范围从高质量对照DNA到低质量案件类型样本如骨骼和毛发。三块骨骼样本未用LR PCR处理,且本研究仅一部分样本用杂交捕获方法处理,导致这两种方法用于准确性评估的样本少于49份(分别为46和20份)。

在评估准确性的49份样本中,34份(约70%)观察到差异,仅15份单倍型在所有方法间一致。总体而言,LR PCR方法的一致性最高(95.7%),这并不意外,因为许多先前预期的单倍型(以及发表数据)是使用该方法生成的。杂交捕获、IDseek、QIAseq和PowerSeq的一致性相似(约80%),而近半数(约40%)的Precision ID和ForenSeq单倍型与预期不同。所有样本中观察到的差异分为四类:PHP、LHP、命名和变异缺失。大多数差异是由于异质性(PHP和/或LHP),由于已知的变异性,在法医搜索和比较中通常被忽略,不构成排除的证据。忽略异质性差异,大多数(45/49,约91%)样本单倍型在所有七种线粒体基因组MPS方法间一致。下文各小节讨论了观察到的每种差异类型。

3.4.1. 点异质性

尽管用于评估准确性的49份样本中有17份的预期单倍型包含23个PHPs,但在30份样本中检测到91个PHPs。23个预期PHPs中近半数(11个)被纳入所有测试方法的线粒体基因组单倍型。其余12个预期PHPs在样本数据中可见(即次要变异存在≥2%),但由于随机变异和/或应用的变异检测参数差异(例如,5% versus 10%的最低频率阈值),PHP未一致地纳入所有样本单倍型。REF-18的数据中所有方法均可见一个额外PHP,但样本单倍型中未预期;然而,审查先前生成的数据显示该PHP的证据略低于该方法的5%频率阈值(4.8%)。值得注意的是,有七种情况下ForenSeq数据被认为是这13个低水平PHPs(频率约5–10%)的例外,因为次要变异的频率在UAS VCF文件中报告为0%。为进一步调查该问题,将UAS为几个表现出此差异的样本生成的BAM文件导入CLC。在所有情况下,CLC中测序数据均存在次要变异;然而,UAS未在VCF文件的线粒体基因组位置报告与该次要变异相关的读段(因此未纳入总覆盖度),可能是因为次要变异观察频率低于6%。这一推测通过以0%的分析阈值重新分析相同样本得到证实,同时将解释阈值保持在默认的6%。重新分析后,次要变异读段现在在UAS和VCF文件中均有体现,尽管PHP未纳入样本单倍型。了解低水平变异的存在,即使低于解释频率阈值(但高于背景噪声),对于评估线粒体基因组数据质量可能至关重要,例如识别低水平混合物。

其余67个PHPs(73.6%)被归类为可能的错误或伪影,因为它们未在预期单倍型中观察到。这些未确认的PHPs可能源于多种来源,包括背景噪声升高、低投入量或DNA质量导致的随机错误、胞嘧啶脱氨基或NUMTs。此外,低水平错误/伪影可能源于样本、PCR、测序和/或分析。杂交捕获数据中未观察到潜在错误的PHPs,仅一个LR PCR单倍型和一个IDseek单倍型包含可能的低水平错误/伪影。在LR PCR数据中观察到的未确认PHP案例中,该样本(REF-8)因PCR效率差而进入文库构建的投入量非常低(18 ng),已知会导致随机错误。少数这些未确认PHPs见于Precision ID单倍型或在多于一种方法中(分别为七个和四个)。大多数可能的错误/伪影在QIAseq(21)、PowerSeq(18)或ForenSeq(15)数据中观察到。

低质量案件类型样本(骨骼、毛发干、人工降解)的单倍型包含67个潜在错误PHPs中的大多数(73.1%),其中21个仅与毛发干样本H-26相关。H-26单倍型中观察到的21个PHPs中的大多数(57.1%)见于QIAseq数据,该样本数据中跨方法的大量低水平变异可能是由于其低DNA投入量(0 ng)导致的随机错误。H-26中有一个PHP(12261Y)在除ForenSeq外的方法中以相似频率(约5%)观察到(0%;见上文关于ForenSeq数据中低于6%变异的讨论),另三个PHPs在另外两根毛发干样本H-27(16391R约8%)和H-28(2421R约43%,4482R约27%)中一致观察到。由于毛发干样本的预期单倍型基于相关口腔拭子,这些可能是真实的PHPs,因为这是毛发样本中已记录的现象。67个未确认PHPs中的许多可归因于胞嘧啶脱氨基(例如B-2和B-3中的)、NUMTs(例如RGTM-3和RGTM-4中均见到的6935Y和6938Y,来源于同一捐献者)或参考型样本低DNA质量/数量导致的随机错误(例如六个Chelex提取物中的五个)。这些发现凸显了MPS线粒体基因组方法提供的增强灵敏度,能够检测真实的低水平PHPs,但也检测需要仔细解释数据的伪影。

这些数据证明了跨实验室方法和分析工作流程可能观察到的变异,后者更容易调整。在所有阈值中应用10%的次要频率阈值将有利于去除超过半数的潜在虚假PHP被纳入线粒体基因组单倍型的情况。然而,这伴随着无法检测真实低水平PHPs的风险,而在共享异质性可能进一步支持匹配的比较中,这些可能是有用的。由于可能观察到变异(无论是由方法还是本评估中显示的错误引起),忽略PHPs进行mtDNA比较和数据库搜索仍然是法医界的有效建议。

3.4.2. 长度异质性

LHP的观察主要限于本研究所含样本mtDNA高变区2(HV2;nps 302–315)的多聚胞嘧啶 stretch。在28份预期在np 309处有插入的样本中,除Precision ID外,所有方法的单倍型一致。对于42.9%(12份)预期HV2 LHP的样本,Precision ID和Converge软件生成的单倍型中未检出309.1C和/或309.2C。然而,LHP的常见区域通常因变异性而在法医比较和数据库搜索中被忽略。Sturk-Andreaggi等证明了MPS方法中的LHP变异,这可能源于富集方法、测序平台(即Illumina和Ion)和/或分析软件和变异检测参数。同聚物区域的插入缺失错误是Ion平台生成序列数据的已知问题,特别是导致较短长度分子。此外,每个分析软件处理LHP区域的能力不同,例如按照国际法医实验室指南建议将变异3′移位并检出主要分子。用于mtDNA单倍型生成的方法范围广泛,可能影响LHP的表示方式(如本研究所示),进一步支持忽略LHP进行比较和数据库搜索的建议。

3.4.3. 命名

在通过ForenSeq方法处理的三个样本(REF-3、REF-10和REF-11)中观察到与正确命名相关的线粒体基因组单倍型差异。UAS生成的ForenSeq单倍型包括命名与法医建议不一致的区域,这是由于三个不同区域(nps 498、524、8289附近的插入缺失)的插入缺失比对不当。此外,UAS不允许用户在软件内手动移位插入缺失。在所有三个实例中,对UAS报告的单倍型进行EMPOP搜索确定了正确比对,与预期单倍型一致。这进一步表明单倍型差异可归因于UAS而非ForenSeq化学本身,因为生成的序列是准确的。这一发现确实凸显了从业人员需要了解其方法相应软件和所用分析流程的问题区域和/或基序。考虑用于mtDNA比较的搜索算法也很重要,因为通常需要基于字符串的搜索方法(例如EMPOP中的SAM2算法)来减轻命名差异的影响。

3.4.4. 变异缺失

有两份样本的单倍型与预期单倍型相比存在变异缺失:QIAseq方法的REF-27c和用PowerSeq处理的H-28。QIAseq数据在CLC中使用先前建立的自定义分析工作流程分析。REF-27c的解释范围严重碎片化,覆盖12,838 bp(≥10X),因此CLC单倍型中仅代表部分变异。然而,两个预期变异位于解释范围内的位置:np 498处的缺失(del)和15900C。缺失在np 494处的序列数据中可见,这是该区域多聚胞嘧啶 stretch的5′端(nps 494–498),但该位置低于10X最低覆盖度阈值(8X),因此未被CLC变异检测器检测到。变异检测后,AQME工具在单倍型中将检测到的插入缺失虚拟3′移位,但不改变比对中的插入缺失位置。虽然这种方法正确比对了大多数插入缺失,但在其他数据集(例如其他研究的LR PCR和杂交捕获数据)中已被证明有问题,特别是低覆盖度数据和碎片化范围。为解决此问题,需要修改标准CLC工具以在同聚物区域将插入缺失置于3′而非5′。QIAseq数据中的另一个缺失变异位于np 15,900,该位置有11条读段覆盖,均与变异相关。然而,15900C变异未被检测到,因为所有读段均处于单一方向(反向),读段方向过滤器(1%)阻止了其纳入单倍型。尽管在自定义QIAseq线粒体基因组工作流程中应用读段方向过滤器以消除测序错误,但在本例中最终导致不一致的单倍型。REF-27c进入QIAseq的低投入量(<2 ng)导致总体线粒体基因组覆盖度差(深度和广度方面均如此),这可能促成了不一致。然而,样本单倍型中缺失的两个变异是由于CLC工作流程参数而非QIAseq方法。进一步优化QIAseq数据的线粒体基因组工作流程可能会提高其准确性,而开发改良的比对工具将提高CLC线粒体基因组分析在多种方法中的准确性。

样本H-28用PowerSeq制备并在GeneMarker HTS中分析时获得全线粒体基因组覆盖。然而,与预期单倍型相比,八个多态性(即12007A、16129A、16148T、16168T、16172C、16187T、16188G和16189C)从单倍型中缺失,尽管线粒体基因组所有位置均被覆盖。这些多态性与两个扩增子(FM2_56:np 11,972–12,045和MA2:nps 16,113–16,227)相关,其覆盖度与其余扩增子(平均16,444X)相比显著降低(分别为112X和38X)。

为调查此问题,将H-28的PowerSeq FASTQ文件导入CLC,并使用应用GeneMarker HTS中相同变异检测参数的自定义工作流程分析。所得单倍型包含八个缺失变异,且单倍型与预期单倍型一致。与GeneMarker HTS分析相反,CLC中这些位置的覆盖度与周围区域相当。在CLC中进行的额外分析表明,这些差异与命名差异一样,与软件或分析流程相关,而非PowerSeq化学。然而,这些差异将是有问题的,因为这些位置被纳入GeneMarker HTS生成的H-28解释范围。据信,与缺失变异相关的读段未比对是由于严格比对到Promega_PowerSeq_WholeMito_v1 panel(制造商推荐方法)。结果,该区域的总体覆盖度降低,因为仅与rCRS高度相似的读段(例如与串扰相关的读段)被比对。这与第3.1节讨论的REF-1特定扩增子覆盖度持续丢失相似。在REF-1的情况下,这导致受影响区域被排除在解释范围之外,因此单倍型中无变异缺失。然而,H-28 PowerSeq数据中两个扩增子的覆盖度足以纳入解释范围,从而导致变异缺失。

3.5. 混合物

九份两人混合物(次要贡献者比例2–50%)和三份RGTM混合物(由10%和20%次要贡献者组成)作为混合物研究的一部分进行评估,但12份混合物中仅四份(MIX-1、MIX-2、MIX-3和MIX-4)用杂交捕获方法处理。使用超过三个PHPs的存在作为混合物识别标准。

当次要贡献者为混合物的10%或更多时,基于PHP数量,所有方法均成功识别混合物的存在。这相当于LR PCR和QIAseq方法的auDNA投入量1 ng(1000 pg),以及IDseek、Precision ID、PowerSeq和ForenSeq的5 pg。一个例外是通过杂交捕获处理的MIX-3(1:9混合物),其仅产生一个PHP。然而,基于降低的平均频率(92.8%),该样本被识别为低水平混合物,根据AFDIL在该线粒体基因组捕获方法内部验证中建立的标准,这表明混合物。

当次要贡献者存在2%(MIX-1和MIX-6)时,LR PCR和ForenSeq数据中一致识别出混合物;在5%时,除杂交捕获和Precision ID外所有数据均识别出混合物。这可能归因于杂交捕获和Precision ID数据分析中应用的较高最低频率阈值(即10%)相比其他方法。

3.6. 物种特异性

基于观察到的不同程度线粒体基因组覆盖度,每种富集方法均对非人类样本表现出一定程度的交叉反应性,可能是由于用于靶向富集的引物或诱饵的序列同源性。所有方法中对照DNA(平均9567 bp)比骨骼样本(平均1323 bp)覆盖更多线粒体基因组碱基,鉴于对照DNA质量更高(尽管为非人类来源),这并不意外。总体而言,大猩猩样本在方法间表现出最多的交叉反应性,这与其他包括大型猿类的研究一致。

虽然这些线粒体基因组方法并非用于物种鉴定,但生成的数据可能提供非人类样本及其来源的一些指示。线粒体基因组单倍型可能是非人类样本的有用指标,因为它们通常包含控制区外的众多多态性(包括插入缺失),这与某些样本有限的控制区覆盖度相一致。尽管基于rCRS的单倍型可能无法用于确定样本的非人类来源,但比对读段的一致性序列可使用BLAST搜索NCBI数据库,以识别序列同源区域并确定最可能的来源(即物种)。

除覆盖度和单倍型外,比对到rCRS(即人类mtDNA参考基因组)的读段百分比也可能提供非人类样本的指示,因为这是与人类DNA序列同源的读段比例。由于样本质量和细菌DNA含量等因素,即使对于人类样本,这些值也可能变化很大。本研究处理的案件类型样本所观察到的范围凸显了这一点。不幸的是,该值在用于线粒体基因组MPS数据分析的所有软件中可能不易获得(即Converge和UAS)。因此,对于Precision ID数据,通过将Converge Summary Info选项卡中的使用读段数除以本评估Run Report中列出的读段数,计算了比对读段百分比的替代值。然而,UAS的输出未提供确定本研究中ForenSeq数据该值所需的信息。

大多数非人类骨骼样本比对到rCRS的读段比例低于案件类型骨骼样本范围;然而,该数据集有限(仅基于三块人类骨骼),且大多数方法中人类骨骼与非人类骨骼观察到的范围差异很小。案件类型骨骼样本质量较低,含有不同比例的细菌DNA,如大多数方法比对读段百分比更低所证明。由于非人类骨骼可能表现出类似的减轻问题(即DNA质量差、细菌DNA比例高),该指标单独可能不是骨骼样本的有用指标。相反,非人类对照DNA更容易与高质量案件类型样本区分,但大猩猩样本除外。

3.7. 实施考虑

寻求采用MPS线粒体基因组方法的法医实验室必须首先评估其在其常规样本类型上的表现,特别是通常需要mtDNA分析的具有挑战性的案件样本,如骨骼和毛发。决策还依赖于操作后勤,要求从业人员平衡每样本成本、手动准备时间和多重容量与其预期通量。此外,由于数据分析是这些方法不可或缺的,实验室必须批判性地评估分析软件如何与其期望的用户参与水平(例如流程开发/优化、比对数据审查、手动单倍型修改等)相一致,以及增加的IT基础设施要求(例如数据存储)是否可行实施。本研究旨在为法医从业人员提供必要信息,以协助这一决策过程。

3.7.1. 成本和时间分析

在评估每种线粒体基因组富集方法的每样本成本和 ??时间时,多重容量是非常重要的考虑因素。本评估使用制造商推荐的序列多重水平。

LR PCR和IDseek在七种测试的富集方法中均提供最高的多重水平(分别为96和118份样本)和最低的每样本成本(分别为64美元和60美元)。LR PCR成本估算使用全体积反应。然而,本研究中使用的半体积反应将使每样本成本降低10美元。ForenSeq估计是每样本最昂贵的方法(392美元),且推荐的多重水平最低。QIAseq和Precision ID是次昂贵的方法(每样本分别为204美元和191美元),多重容量相似(约32份样本)。如果每次运行测序96份样本(如本研究所做),QIAseq的成本将降低近20%,同时仍为大多数样本提供足够覆盖度。相反,Precision ID的每样本成本在本研究使用的多重水平下将增加超过25%。PowerSeq和杂交捕获的每样本成本相似(约150美元),两者也处于多重容量的中间范围(分别为24和35份样本)。

从文库构建到测序的估计处理时间如果不考虑多重水平则具有误导性。按批次计算,LR PCR和杂交捕获似乎需要最长时间生成线粒体基因组数据,而Precision ID和ForenSeq似乎是最快的方法。然而,按批次大小(多重水平)归一化后,IDseek在七种评估的富集方法中表现出最短的每样本处理时间。Precision ID和LR PCR显示出相似的处理时间,几乎是IDseek的两倍。QIAseq在制造商推荐的多重水平(每次运行31份样本)下需要更长的每样本处理时间;然而,当使用本研究中实施的96份样本多重水平时,这将减少至更接近IDseek。ForenSeq和PowerSeq也显示出相对较长的每样本处理时间,反映了更长的测序运行时间。杂交捕获具有最长的每样本处理时间,主要由于16小时孵育步骤。补充图S4提供了总处理时间(即手动、非手动和仪器测序时间)的更详细分解。总体而言,具有更大多重容量的方法表现出更高的处理效率,尽管工作流程特定因素也影响总处理时间。

在实验室处理和分析两方面进一步优化这些工作流程可能对成本 and 效率产生积极影响。例如,对于用杂交捕获处理的高质量样本,可以实施更大的序列多重水平,以及Thomas等描述的 pooled capture 方法,这将降低成本和时间。另一个可通过增加多重能力降低每样本成本的方法修改是更改ForenSeq运行的MiSeq FGx模式。目前,在Forensic Genomics模式下在MiSeq FGx上测序ForenSeq mtDNA试剂盒(全基因组和控制区)时,仅从流动池一侧收集数据,将MiSeq FGx试剂盒的输出减半。相反,在RUO模式下运行MiSeq FGx允许流动池两侧的读段纳入FASTQ文件,理论上可将单次运行可测序的样本数加倍(例如,ForenSeq mtDNA全基因组试剂盒每次运行约32份而非16份样本)。然而,RUO运行(或其他更高通量平台)的数据目前无法在UAS中分析。任何降低成本 and/或提高效率的程序变更必须与实验室的整体需求和能力相平衡,考虑预期样本质量、预算、通量和基础设施等因素。

3.7.2. 软件

在每个MPS软件程序(即CLC Genomics Workbench、Converge、GeneMarker HTS和UAS)中进行的数据分析凸显了各自的优缺点。在考虑实施其各自的实验室方法时,这些软件的功能和缺点也可能很重要。

CLC Genomics Workbench与平台无关(例如,能够导入和分析来自任何测序平台的数据,包括Sanger数据),因此可用于多种方法和数据类型。CLC内的分析工作流程高度可定制,能够纳入任何所需步骤,并允许输出各种报告,提供覆盖度、修剪、比对等指标。然而,允许的定制程度可能对用户来说不堪重负,取决于对软件和生物信息学流程的熟悉程度。此外,AQME插件是用户的额外费用,该插件中的自定义工具简化了线粒体基因组分析,特别是对于LHP区域更准确的变异检测、正确的插入缺失比对、用户编辑和mtDNA单倍群分型。修改以允许在比对中(而非单倍型中插入缺失的虚拟比对)进行插入缺失的3′比对将提高CLC中所有方法的线粒体基因组单倍型生成。此外,进一步优化特定于方法的 individual 分析工作流程将提高准确性,特别是对于IDseek和QIAseq数据。

Converge分析软件仅能够分析Ion数据,特别是来自Precision ID panel的数据。与CLC类似,Converge允许定制各种分析参数(参考第3.2节污染讨论以突出该功能的价值和必要性),并为mtDNA数据提供输出,包括覆盖度、比对和mtDNA单倍群估计等一般指标。该软件执行初步自动化数据分析,借助PhyloTree和EMPOP的整合,标记NUMTs、降解和测序伪影,并允许手动可视化审查数据。这些功能可导致更高效的手动分析过程和更准确的单倍型。

GeneMarker HTS是另一种与平台无关的软件解决方案,具有可定制的比对和过滤设置,也产生详细说明有用比对和覆盖度指标的输出。该软件已用于众多研究中的MPS mtDNA数据分析,并且是PowerSeq mtDNA数据分析的推荐软件。制造商(Promega)为PowerSeq数据提供推荐的线粒体基因组分析设置以协助新用户;然而,如本研究所示可能需要调整(见第3.1节REF-1和第3.4.4节H-28的讨论)。为解决这两份样本中观察到的问题,需要修改Promega_PowerSeq_WholeMito_v1 panel以改善GeneMarker HTS内受影响区域的比对。或者,用户可以使用BED文件进行比对而非软件提供的panel;然而,试剂盒制造商(Promega)不提供BED文件,需要用户为PowerSeq数据开发自定义文件。此外,该软件优先考虑PHPs和LHPs的主要单倍型,如果不考虑次要变异的补充报告,在评估单倍型一致性时可能导致数据中出现明显差异。

UAS仅能够分析在Forensic Genomics模式下用MiSeq FGx仪器生成的ForenSeq数据。UAS的"黑箱"性质可能被用户视为优点或缺点,取决于期望的定制程度。该软件实施NUMT去除过滤器;然而,除了可定制的变异检测参数外,分析流程的许多部分未知。用户应了解这些参数的影响,然后再分析ForenSeq mtDNA数据,包括制造商未明确说明的参数。例如,当使用默认变异检测参数(即最低计数45,分析阈值和解释阈值均设为6%)时,任何低于这些最低值的读段将不会在UAS或其他输出文件(例如VCF文件,其中包括线粒体基因组每个位置每个核苷酸的读段计数)中体现。在实践中,这意味着这些读段将不计入某位置的覆盖度,与这些读段相关的次要核苷酸将以0%的频率报告(因此主要变异将以100%的频率报告),掩盖了比对数据的真实组成。基于本研究的准确性评估,特别是第3.4.1节讨论的PHP检测差异调查,建议修改ForenSeq mtDNA数据分析中UAS的默认分析阈值。将分析阈值设为0%,同时将解释阈值保持在默认的6%,将允许比对中包括的所有读段得以体现,因为它们可用于评估低水平PHPs或混合物。如前所述,UAS用户无法根据需要将插入3′移位,也无法在软件内将插入添加到单倍型中。必须使用EMPOP识别正确比对,并且必须在软件外手动更新单倍型,存在转录错误的机会;尽管有其他工具可与之配合使用以协助这些步骤。此外,UAS不提供评估线粒体基因组中高于最低阈值的覆盖位置范围的简便解决方案。例如,本研究需要自定义脚本基于VCF文件生成解释范围。准确的解释范围对于比较搜索、评估单倍型一致性、溯源污染物等至关重要,这对于具有中断解释范围的样本可能尤其困难。

与Sanger测序数据主要手动和定性分析相比,MPS数据分析在很大程度上是自动化的。利用生物信息学流程进行线粒体基因组分析大大减少了处理时间,同时为分析人员提供了稳健的定量结果。尽管效率提高,但了解分析软件的特定方面(例如比对方法)和变异检测参数如何影响最终输出(即报告的单倍型)仍然至关重要。虽然本评估中包括的每个软件程序都为MPS线粒体基因组数据提供已建立的流程,但它们在可定制性、数据可视化能力和实施难易程度上差异显著。此外,制造商的默认分析设置应被视为实验室的起点,因为所选软件以及处理变量如投入量、循环数和多重水平可影响最佳分析和解释阈值。因此,实验室应在内部验证期间建立和优化这些参数,如已发表的验证研究所证明。

4. 结论

本研究使用一组96份样本(样本在质量、基质类型、提取方法和mtDNA单倍群方面各异)对七种线粒体基因组富集方法(即LR PCR、杂交捕获、NimaGen IDseek线粒体DNA全基因组测序、QIAseq靶向DNA人类线粒体Panel、Precision ID mtDNA全基因组Panel、PowerSeq全线粒体系统和ForenSeq mtDNA全基因组试剂盒)进行了全面评估。主要利用制造商推荐的实验室方案和分析参数(如适用),以提供每种方法的基线评估。方法特定变量,包括DNA投入量、最大多重容量和分析阈值,在方法间未标准化,因此在解释比较性能时应予以考虑。尽管进一步优化或修改这些变量可能改善结果,但此类努力超出了本评估的范围。

线粒体基因组平均覆盖度是序列多重水平的函数,较高多重水平的方法导致较低的覆盖度值。无论如何,在高质量DNA投入量低至15.6 pg时碱基覆盖度≥96%,混合物研究中展示了相似的灵敏度水平,所有方法检测低至10%的次要贡献者。此外,排除预期异质性变异后,不同商业试剂盒和分析流程间的单倍型一致性极高(>90%)。由于大扩增子大小,LR PCR在案件类型高质量样本和毛发干样本中观察到显著的覆盖度变异,而其余方法获得>97%的覆盖度。此外,提取物纯度显著决定方法成功率,因为粗制Chelex提取物与纯化DNA相比覆盖度大幅降低,对单倍型准确性产生负面影响,并不成比例地影响推荐DNA投入量较高的方法(例如LR-PCR和QIAseq)。三块历史(人类)骨骼样本也获得可变结果,杂交捕获和Precision ID对降解DNA最为适用。

线粒体基因组单倍型的差异主要由分析软件而非测序化学驱动。虽然MPS的高灵敏度允许可靠检测次要混合物贡献者(低至5–10%),但它也检测低水平随机噪声和DNA损伤伪影。这要求法医分析人员建立稳健的阈值以区分真实PHP与伪影,特别是在低数量/质量样本中。变异检测参数、比对算法和命名指南遵循(例如LHP和插入缺失的处理)的差异凸显了分析人员彻底了解生物信息学流程的关键需求,特别是在比较不同方法和分析工具的数据时。

总体而言,没有单一的"最佳"方法;实施需要将线粒体基因组MPS方法与其应用相匹配。具有更高多重能力的方法降低每样本成本并提高通量,但实验室还必须确保其IT基础设施能够支持相关软件的计算和数据存储需求。虽然本研究中评估的所有七种线粒体基因组富集方法对特定样本类型均表现出高性能,但最终实验室选择必须优先考虑操作权衡,特别是预算、通量、资源和预期样本质量。

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号