用于简单和复杂基因组倒位检测的多基因组基准测试

《Genome Biology》：Multi-genome benchmark for simple and complex genome inversion detection

　　

摘要

背景

倒位是一种具有重要意义但研究不足的结构变异形式，它在基因组疾病、进化以及基因组不稳定性中都起着重要作用。然而，其检测在技术上仍面临挑战，尤其是在重复序列密集的区域以及复杂的多个断点事件中。由于缺乏专门的高质量基准数据，算法改进、性能比较以及准确的生物学解读都受到了阻碍。

结果

在此，我们基于五种参考样本的Strand-seq数据以及相位化的长读长组装数据，构建了一个涵盖简单和复杂倒位的多基因组基准数据集，并利用单倍型解析的长读长组装数据对断点进行精细化处理。该资源涵盖了多种类型的倒位、不同的大小以及不同的杂合状态，同时还包括了段重复、反向重复以及复合重排等复杂的基因组结构。我们利用这一基准数据集，系统地评估了针对短读长数据、PacBio HiFi数据以及Oxford Nanopore数据的各类结构变异检测工具和比对策略。不同类型的倒位以及不同的基因组环境会导致检测性能的差异：在足够的覆盖度下，简单倒位可以被高灵敏度地检测出来，而复杂和杂合型的事件则较难检测。尽管假阳性率有所上升，Sniffles2和Severus在复杂倒位的检测中仍具有最高的召回率。此外，我们还对比了两种常用的长读长比对工具（Minimap2和VACmap），结果表明比对工具的选择对重复序列区域中的倒位检测有着重要影响。

结论

总体而言，这项工作提供了首个统一的高分辨率倒位基准数据集，同时也明确了当前各种方法在不同平台上的优势与局限性。我们的这一资源为相关工具的开发、评估和优化奠定了基础，有助于科研界更准确地识别倒位变异及其带来的生物学和临床影响。