一文告訴你研究結(jié)構(gòu)變異到底需要測多少數(shù)據(jù)量

特異的SV是與疾病的易感性相關(guān)的，SV的區(qū)域通常包含疾病相關(guān)重要基因。許多癌癥基因組有著顯著的遺傳變異，并且特異的SV被認(rèn)為能夠通過破壞基因結(jié)構(gòu)，調(diào)節(jié)基因表達(dá)，創(chuàng)造融合事件或者產(chǎn)生基因拷貝數(shù)來促進(jìn)腫瘤發(fā)展。不知道SV是什么的請到最下面看科普。

據(jù)統(tǒng)計(jì)，基因組結(jié)構(gòu)變異可能導(dǎo)致的遺傳性疾病已經(jīng)超過1,000種，對于每個(gè)人來講其基因組都有至少20,000個(gè)的結(jié)構(gòu)變異，這些變異帶來的影響或許比SNV或InDel還要大。然而，盡管SV的普遍存在且與癌癥特殊關(guān)聯(lián)，但是許多SV分類的分子組織及產(chǎn)生機(jī)制還不明確。這在很大程度上是由于當(dāng)前技術(shù)（就是二代測序）無法發(fā)現(xiàn)具有高特異性的全譜SV。

據(jù)報(bào)道，短read方法缺乏敏感性，只有10%-70%的SV可以被檢出，卻有高達(dá)89%的錯誤發(fā)現(xiàn)率，且不能鑒定復(fù)雜嵌套SV帶來的影響。

三代測序因其讀長長，能夠大幅提升SV的可靠性和分辨率。根據(jù)文章的結(jié)果和百邁客的實(shí)測數(shù)據(jù)總結(jié)起來，用ONT測SV至少要15X。

具體原因是什么呢？且聽小編細(xì)細(xì)道來~~

Pacbio和ONT測序的長read能夠大幅提升SV檢測的可靠性和分辨率。平均10kb或者更長的read可以更準(zhǔn)確的比對到重復(fù)序列上，這些可能介導(dǎo)SV的形成。長read更可能跨過SV斷點(diǎn)。當(dāng)然除了優(yōu)勢，長read也有新的挑戰(zhàn)，Pacbio測序有10-15%的錯誤率，Oxford Nanopore?測序有5-20%錯誤率。因此急需一種新的SV檢測方法，Sedlazeck F J 等人開發(fā)了Sniffles軟件。

根據(jù)兩個(gè)人類數(shù)據(jù)集的錯誤情況和read長度，作者對兩條人的染色體模擬了50X?Pacbio?和ONT?read 。純粹的統(tǒng)計(jì)分析發(fā)現(xiàn)，近10X覆蓋度的數(shù)據(jù)（平均長度10kb）就足夠去推斷所有SV斷點(diǎn)（一瞬間覺得自己可以省好多錢有木有），然而對于100bp的短read雙端測序至少要25X覆蓋度。當(dāng)前這個(gè)統(tǒng)計(jì)只是一個(gè)理想情況，比如缺乏了重復(fù)和覆蓋度的偏移，因此是低估了所需的覆蓋度的。

理想很豐滿、現(xiàn)實(shí)很骨感！理想情況下用10x覆蓋度測三代read就能檢測出來所有的結(jié)構(gòu)變異，但是現(xiàn)實(shí)肯定不夠啦~ 作者對真實(shí)的Pacbio 55X數(shù)據(jù)，和Nanopore 28X數(shù)據(jù)所檢測到的SV和低深度下所檢測的SV進(jìn)行比較。對于Pacbio數(shù)據(jù)，15X的時(shí)候?qū)τ贜A12878和SKBR3樣品的SV能識別到69.64%和67.24%，如果提升到30X時(shí)，可分別識別到80.05%和76.63%。SKBR3的識別率相對較低主要因?yàn)樗前┌Y樣品，有些極端的拷貝擴(kuò)增。所以癌癥樣品要想識別到更多更準(zhǔn)的SV，需要適當(dāng)提升測序深度。

對于Nanopore的數(shù)據(jù)，在20X的覆蓋度時(shí)就能達(dá)到82.24%的準(zhǔn)確率和84.23%的識別率。不過這可能是因?yàn)镺NT數(shù)據(jù)只測了28X。

盡信書不如無書，小編本著對科研（領(lǐng)導(dǎo)）的認(rèn)真態(tài)度（“逼迫”），對公司的一正常人的血液進(jìn)行Nanopore?DNA測序（測序深度為40X）識別SV，隨機(jī)抽取不同深度下的數(shù)據(jù)量5X，10X，15X，20X，30X使用相同的參數(shù)進(jìn)行SV識別，合并所有樣品的SV，對每個(gè)樣品進(jìn)行強(qiáng)制重新識別SV。以40X數(shù)據(jù)在支持read數(shù)大于10下所檢測出的SV為金標(biāo)準(zhǔn)，判斷低深度下所能檢測出的SV情況，如下表：

注：Genotype列代表不同深度下識別出的和40X SV基因型相同的SV個(gè)數(shù)，Genotype ratio為SV占40X SV的比例。?Genotype & depth 為與40X SV基因型相同且read支持?jǐn)?shù)大于10的SV個(gè)數(shù)，Genotype & depth Ratio為基因型相同且read支持?jǐn)?shù)大于10的SV比例。

其實(shí)從結(jié)果上可以發(fā)現(xiàn)即使只用5X測序深度的數(shù)據(jù)也能夠識別出很高比例的SV，但是如果考慮到支持的read數(shù)，所能識別出的SV比例就瞬間少了很多。其實(shí)也能理解啦，畢竟深度在那里呢~

所以，依小編愚見，15X數(shù)據(jù)的結(jié)果相對還是可以的，不過該測試數(shù)據(jù)是妥妥的正常人呦，如果癌癥樣品還是建議再多測一些呢~