Tratopedia
EN
Ajustes

Tamaño del texto

Tema

Alto contraste

Versión

v1.230.2

La publicación con la que se generó esta página. Es la que almacena en caché el service worker.

Presentación

Volver

Las variantes pequeñas en la era de las lecturas largas

Las lecturas largas y el aprendizaje profundo detectan SNP con más del 99.9% de exactitud en PacBio, pero esa cifra sale de la parte fácil del genoma. En homopolímeros, duplicaciones segmentarias y regiones T2T nuevas cae mucho, y apenas hay conjuntos de referencia para medirlo.

  1. Nature Reviews Genetics · Artículo de revisión

    La detección de variantes pequeñas en la era de la secuenciación de lecturas largas

    Una guía para principiantes y especialistas de la revisión de Zhenxian Zheng, Fritz J. Sedlazeck y Ruibang Luo

    Publicada en línea el 20 oct 2026 · doi:10.1038/s41576-026-01020-71 / 15

  2. Contexto

    Qué es una variante pequeña

    El genoma de referencia es como la edición publicada de un libro, y tu genoma una copia con unas pocas diferencias de ortografía: cambios de una letra (SNV) o inserciones y deleciones cortas (indels) de menos de 50 pares de bases.

    TipoReferenciaMuestraQué cambió
    SNVACGTTGAACGCTGAUna letra se cambia por otra
    InserciónACGTGAACGTTGAAparecen letras de más en la muestra
    DeleciónACGTTGAACG-TGAFaltan letras en la muestra

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20262 / 15

  3. Contexto

    Por qué importan las variantes pequeñas

    Catálogos de referencia como 1000 Genomes, gnomAD y UK Biobank se construyeron con lecturas cortas, que tenían dificultades en el ADN repetitivo y dejaron cientos de miles de variantes pequeñas sin resolver.

    Diferencias entre personas

    Explican muchas de las diferencias entre individuos.

    Evolución humana

    Guardan el registro de cómo se relacionan las poblaciones humanas.

    Medicina de precisión

    Conocer las variantes de un paciente ayuda a ajustar diagnóstico y tratamiento a la persona.

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20263 / 15

  4. Contexto

    Dónde se quedan cortas las lecturas cortas

    Piensa en un puzle con muchas piezas iguales de cielo azul. Las piezas cortas no muestran dónde van, así que los procesos descartan las alineaciones ambiguas antes que arriesgar una detección falsa.

    • 150–300 bpLongitud de una lectura corta; una repetición más larga puede coincidir en muchos sitios
    • ~8%Del genoma, casi 200 millones de bases, sin terminar en la referencia hasta T2T-CHM13

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20264 / 15

  5. Lecturas largas

    Llegan las lecturas largas

    Las lecturas más largas son piezas de puzle más grandes y más fáciles de colocar en una imagen repetitiva.

    • 150–300 bpLecturas cortas: exactas, pero demasiado cortas para cruzar repeticiones largas
    • 10–20 kbPacBio HiFi: más del 99.9% de exactitud, leyendo muchas veces una molécula circular
    • >100 kbOxford Nanopore: lecturas ultralargas, con más errores, sobre todo en repeticiones

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20265 / 15

  6. Lecturas largas

    El flujo común de detección de variantes

    Funciona como una corrección de pruebas. Las lecturas largas cambian dos partes de la receta: las lecturas pueden ordenarse por progenitor (faseo), y el clasificador debe aprender los patrones de error de las lecturas largas.

    Alinear

    Colocar cada lectura sobre el genoma de referencia, o representarla respecto a él.

    Buscar candidatos

    Marcar las posiciones donde las lecturas difieren de la referencia, a menudo tras un reensamblaje local.

    Clasificar

    Un modelo decide con la evidencia local si cada candidato es una variante real o un artefacto.

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20266 / 15

  7. Contextos y retos

    Cuatro tipos de variante, cuatro problemas

    TipoFracción de lecturasOrigenReto
    Germinal~50% o 100%Heredada; en todas las célulasSituarla bien dentro de repeticiones
    De novo~50%Nueva en el hijo; ausente en ambos progenitoresNecesita datos familiares (trío)
    MosaicoNormalmente <30%Tras la concepción; solo en algunas célulasFracciones muy bajas se esconden en el ruido
    Somática<1% a 100%Adquirida después, por ejemplo en tumoresLa pureza tumoral y los subclones difuminan la señal

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20267 / 15

  8. Contextos y retos

    El faseo, la ventaja de las lecturas largas

    Antes del faseo

    Una variante débil parece ruido aleatorio.

    Después del faseo

    Lecturas ordenadas por progenitor de origen: la variante real aparece en un haplotipo y los errores quedan dispersos.

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20268 / 15

  9. Contextos y retos

    La exactitud global oculta las regiones difíciles

    Un homopolímero es una serie de una sola letra, como AAAAAAAA. Contarla con exactitud es difícil, así que ahí fallan los indels, y la exactitud por encima del 99.9% se mide sobre todo en regiones fáciles de alta confianza.

    • ~75%De los indels discordantes de PacBio están dentro o junto a homopolímeros
    • <20%Rendimiento con indels en homopolímeros largos (>11 pb), frente a ~70% en repeticiones típicas
    • ~1.7×Más error bruto de indels en ONT que en PacBio en una evaluación T2T-HG002

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 20269 / 15

  10. Contextos y retos

    Distintos tipos de secuenciación, distinto ruido

    ADN de lecturas largas

    Errores sistemáticos en repeticiones y homopolímeros, y sesgo por huecos en la referencia; el faseo ayuda.

    ARN masivo

    Transcritos completos, pero la cobertura sigue a la expresión, y la expresión específica de alelo y la edición de ARN confunden a los detectores.

    ARN de célula única

    Vincula cada variante a una célula, con cobertura escasa, pérdida alélica, ARN ambiental y dobletes.

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 202610 / 15

  11. Aprendizaje profundo

    El aprendizaje profundo lidera el campo

    • >99.9%F1 de SNP con PacBio en regiones de alta confianza
    • ~99%F1 de SNP con Oxford Nanopore; los indels siguen siendo el punto débil

    Entrada resumida

    Recuentos por posición, como en el modelo pileup de Clair3: rápido y robusto, pero pierde los vínculos de cada lectura.

    Entrada a nivel de lectura

    Una imagen del montón de lecturas, como en DeepVariant y el modelo de alineación completa de Clair3: detallada, pero más costosa de calcular.

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 202611 / 15

  12. Aprendizaje profundo

    Tres diseños de red

    Una CNN es como mirar una fotografía, una RNN como leer una línea de texto y la autoatención como abarcar la página entera de una vez.

    CNN

    DeepVariant, Clair3, PEPPER: trata el montón de lecturas como una imagen. Límite: una ventana fija dificulta los vínculos lejanos.

    RNN

    Clair, Clair3, Medaka: lee la secuencia hacia delante y hacia atrás. Límite: lenta y secuencial; la señal se pierde en tramos largos.

    Autoatención

    Dorado variant, ClairS-TO: pondera todas las posiciones a la vez. Límite: el coste crece deprisa con la longitud.

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 202612 / 15

  13. Más allá de una referencia

    Tres formas de detectar variantes

    EstrategiaFortalezaContrapartida
    Referencia linealHerramientas maduras y rápidasSesgo de referencia; frágil en repeticiones
    Basada en ensamblajeAlcanza hasta un 15% del genoma que el mapeo no veía, en evaluaciones T2TUnas diez veces más cómputo; más débil en indels de homopolímeros
    Grafo de pangenomaCerca de un 34% menos de errores que GRCh38 en el borrador del HPRC, con lecturas cortasMucho cómputo; sin coordenadas estables para informes clínicos

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 202613 / 15

  14. Más allá de una referencia

    Las referencias completas dejan ver los puntos ciegos

    Un indel patógeno en un homopolímero de RPGR, o una variante de SMN1 confundida por un parálogo, apenas mueve el F1 global y aun así puede decidir si un paciente recibe un diagnóstico.

    • 93%De las variantes T2T-CHM13 evaluadas por primera vez están en regiones muy complejas con poca verdad de referencia
    • 95% / 85%Sensibilidad del mejor detector en SNP / indels en regiones de baja mapeabilidad y duplicaciones segmentarias con HiFi, frente a >99.9% en regiones fáciles
    • HG002La única muestra detrás de estos conjuntos, usada también para entrenar, así que no hay prueba reservada

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 202614 / 15

  15. Perspectivas

    El cuello de botella pasa de detectar una variante a entenderla.

    • Aprender de enormes datos sin anotar con modelos semisupervisados.
    • Diseñar detectores para grafos de pangenoma, respaldados por el ensamblaje.
    • Construir detectores de mosaico y somáticos sobre bases resueltas por haplotipo.
    • Hacer rutinaria la detección con ARN de lecturas largas y de célula única a medida que bajen los costes.

    Zheng, Sedlazeck y Luo · Nature Reviews Genetics · 20 oct 202615 / 15