针对纳米孔长读长基因组串联重复序列基因分型的综合评估

《Genome Biology》：A comprehensive assessment of tandem repeat genotyping methods for Nanopore long-read genomes

　　

摘要

背景

串联重复序列在人类疾病和表型多样性中起着关键作用，但也是最难以准确测量的基因组变异类型之一。长读长测序技术有望准确分析长而复杂的串联重复序列。尽管现有的基因分型方法越来越多，但目前尚未有系统性的研究来评估这些方法在不同序列模式及等位基因长度下的可用性、准确性及性能表现。

结果

我们研究了25种生物信息学工具，最终选出7种仍在持续维护的方法，利用来自100多名个体的公开牛津纳米孔基因组测序数据进行性能对比。我们通过四种互补策略对43,009个全基因组范围的串联重复序列位点进行了评估：与单倍型解析的人类泛基因组参考联盟组装结果的匹配度、孟德尔一致性、不同工具之间的结果一致性，以及对经分子检测确认的致病性扩展序列的敏感度。大多数方法与参考组装结果的匹配度较高，其中使用R10型牛津纳米孔测序技术的准确性高于较旧的R9型技术。随着等位基因长度的增加，准确性会下降，而且大多数工具在处理同聚物序列、杂合位点以及与参考基因组存在差异的等位基因时表现较差。组装结果的匹配度和孟德尔一致性无法预测工具对致病性扩展序列的敏感度，这说明这些指标反映的是性能的不同方面。

结论

没有一种基因分型工具能在所有评估项目中始终表现出最佳性能，但在各项评估中都有表现优异的工具。我们的研究结果表明，长度精度这一指标高估了串联重复序列基因分型的实际性能。为了选择最适合群体研究和临床诊断的工具，进行序列级别的性能对比至关重要。本研究为工具选择提供了实用指导，同时也指出了未来开发长读长串联重复序列基因分型方法的关键方向。