Tratopedia
側 NBM
設定

文字大小

佈景

高對比

中文排版

豎排會把內文排成由右至左的直行,如同台灣的實體書籍。

版本

v1.230.2

本頁建置時的版本編號,也是 service worker 快取所依據的版本。

變異偵測 · 定序技術 · 基因體學 · 機器學習 · 生物資訊學 · 研究簡報綜述發表於2026年10月20日

《Nature Reviews Genetics》的一篇綜述

長讀長時代的小變異偵測

小變異是一個人的基因體與參考基因體之間,單一鹼基的替換或短於 50 個鹼基對的插入與缺失。短讀長定序找到了大部分小變異,卻漏掉位於長重複序列中的那些。鄭振賢、Fritz Sedlazeck 與駱銳邦的綜述主張,長讀長定序與深度學習已經改變了找出這些變異的方法,而且漂亮的整體準確度如今掩蓋了剩下的錯誤在哪裡。

一個領域轉向深度學習,一篇綜述回顧全局 2026年10月20日於《Nature Reviews Genetics》線上發表;以下數字除另有標明外,均出自該綜述。

  • >99.9%深度學習工具在 PacBio HiFi 高信賴區域的 SNP F1
  • ~99%Oxford Nanopore 的同一數字;插入缺失仍是弱點
  • <20%在長於 11 bp 的同聚物中的插入缺失表現

已確立的

10–20 kb 的長讀長(PacBio HiFi)與超過 100 kb 的長讀長(Oxford Nanopore)能比對進 150–300 bp 短讀長無法進入的重複區域,而神經網路工具如今在兩個平台上都居領先。

尚未確立的

任何工具在著絲粒、片段重複與長串聯重複中有多準確。綜述稱這一點仍缺乏描述,因為那裡的標準答案集只涵蓋一個樣本。

從第一個深度學習工具到這篇綜述,八年 日期為綜述所引論文的發表年份;標明者已在 PubMed 查核。

  1. 2018年DeepVariant 把比對好的讀長堆疊當成影像,以卷積網路分類候選位點;綜述稱它為第一個被廣泛採用的深度學習變異偵測工具。
  2. 2019年PacBio 的環狀共識讀長(HiFi)被證明兼具長度與高準確度;同年出現針對單分子資料的多任務網路 Clairvoyante。
  3. 2020–2021年接著出現 Clair(遞迴網路)與 PEPPER-Margin-DeepVariant(考慮單倍型,針對奈米孔讀長)。
  4. 2022年3月31日端粒到端粒聯盟發表 T2T-CHM13,一個沒有缺口的人類基因體,補上參考基因體先前未完成的近 2 億個鹼基(PubMed)。
  5. 2022年Clair3 結合快速的摘要式模型與細緻的讀長層級模型;鄭振賢與駱銳邦是其作者。
  6. 2023年5月10日人類泛基因體參考聯盟的草圖,使短讀長資料的小變異偵測錯誤比 GRCh38 減少 34%(PubMed)。
  7. 2025年一間臨床實驗室驗證 HiFi 全基因體定序用於小變異,在 GIAB 高信賴區域的 SNV 召回率超過 99.9%(PubMed);Oxford Nanopore 的 Dorado 加入以自注意力為基礎的變異偵測工具。
  8. 2026年10月20日該綜述於《Nature Reviews Genetics》線上發表。

在容易的地方已經解決,在重要的地方仍未解決 綜述的核心主張,以及讓它複雜化的因素。

鄭振賢、Sedlazeck 與駱銳邦主張,小變異偵測不再是單一任務,而是一整族任務。生殖細胞系變異約出現在 50% 或 100% 的讀長中,新生突變需要父母雙方的資料,嵌合變異通常低於 30%,腫瘤中的體細胞變異則可能從不到 1% 到 100% 都有。長讀長透過定相幫助這四類:讀長依來源親代分組,真正的變異會集中在一條單倍型上,定序錯誤則四散。他們寫道,漂亮的數字來自 GIAB 高信賴區域;在一組 PacBio 資料中,約 75% 的不一致插入缺失位於同聚物之中或旁邊,而在完整的 T2T-CHM13 參考上,最佳工具在低可比對性與片段重複區域的召回率降到 SNP 95%、插入缺失 85%。

  • 93%T2T-CHM13 新評測的變異中,位於缺乏標準答案的高度複雜區域者
  • 1T2T 標準答案集背後的樣本數:HG002,同時也被用於訓練
  • ~1.7×在 T2T-HG002 評測中,Oxford Nanopore 原始讀長的插入缺失錯誤率相對 PacBio 的倍數

複雜之處:作者正是工具的開發者

駱銳邦的團隊開發了綜述通篇討論的 Clair 系列,鄭振賢是 Clair3 的第一作者。綜述是透過自己的參考文獻呈現這一點,而非明文聲明;它比較的是設計方式,而不是產品排名。

還有一個數字在原始來源中讀法不同

綜述說 GRCh38 約有 8%、近 2 億個鹼基無法以短讀長比對。它引用的 T2T 論文則把這 8% 描述為參考基因體先前未完成的部分。兩者有所重疊,但不是同一種量測。

三種偵測方式,各自的代價 綜述對各策略的比較,並在可讀取處與其引用的原始論文核對。

策略優勢代價
線性參考工具成熟、快速參考偏誤;在重複與結構變異中脆弱
組裝式在 T2T 評估中,可觸及比對法認為無法進入的基因體的最多 15%運算量約十倍;同聚物中的插入缺失較弱
泛基因體圖在 HPRC 草圖中比 GRCh38 少約 34% 的小變異錯誤,以短讀長量測運算量大;沒有可供臨床報告使用的穩定座標
  • 網路

    三種設計,三種限制

    出自綜述的表 1

    • 卷積網路(DeepVariant、Clair3、PEPPER)把讀長堆疊當影像;固定視窗使遠距關聯難以掌握。
    • 遞迴網路(Clair、Clair3、Medaka)雙向讀取序列;它們循序運算、速度慢。
    • 自注意力(Dorado variant、ClairS-TO)同時權衡每個位置;成本隨長度快速增加。
  • 材料

    每種樣本都帶來自己的雜訊

    DNA、總體 RNA、單細胞 RNA

    • 長讀長 DNA:重複與同聚物中的系統性錯誤,以及參考基因體缺口造成的偏誤。
    • 總體 RNA:等位基因特異性表現會改變預期比例,RNA 編輯也可能被誤認為變異。
    • 單細胞 RNA:覆蓋稀疏與等位基因脫落,環境 RNA 與雙細胞也會增加偽陽性。

瓶頸從找出變異,轉移到能否相信它 綜述確立了什麼、留下什麼未解,以及提出了什麼。

已確立

在容易的高信賴區域,長讀長深度學習工具已準確到足以用於臨床,也已有臨床實驗室據此驗證了 HiFi 定序。

未解

在臨床上重要之處的準確度。RPGR 同聚物中的致病插入缺失,或 SMN1 中受同源基因混淆的變異,幾乎不影響整體 F1,卻可能決定病人能否得到診斷。

  • 讀準確度數字時,要連同它的區域一起讀。超過 99.9% 的數字描述的是 GIAB 高信賴區域,而不是整個基因體。
  • 問清楚泛基因體的結果是用哪種讀長量測的。HPRC 草圖的 34% 來自短讀長資料。
  • 把困難區域的評測視為暫定。它們只建立在一個同時被用來訓練的樣本上,因此目前還沒有保留的測試集。

快速筆記

  1. 《Nature Reviews Genetics》 · 綜述

    長讀長定序時代的小變異偵測

    為初學者與專家導讀鄭振賢、Fritz J. Sedlazeck 與駱銳邦的綜述

    2026年10月20日線上發表 · doi:10.1038/s41576-026-01020-71 / 15

  2. 背景

    什麼是小變異

    參考基因體就像一本書的出版版本,你的基因體則是有幾處拼字差異的抄本:單一字母替換(SNV),或短於 50 個鹼基對的插入與缺失(indel)。

    類型參考樣本變化
    SNVACGTTGAACGCTGA一個字母被換成另一個
    插入ACGTGAACGTTGA樣本中多出字母
    缺失ACGTTGAACG-TGA樣本中少了字母

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日2 / 15

  3. 背景

    小變異為何重要

    1000 Genomes、gnomAD 與 UK Biobank 等重要資料庫都以短讀長建立,而短讀長難以處理重複 DNA,留下數十萬個未解析的小變異。

    人與人之間的差異

    它們造成個體間的許多差異。

    人類演化

    它們記錄了人類族群之間的關係。

    精準醫療

    了解病人的變異,有助於讓診斷與照護貼合個人。

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日3 / 15

  4. 背景

    短讀長的不足之處

    想像一幅有許多相同藍天碎片的拼圖。短碎片看不出該放哪裡,所以分析流程寧可丟棄模稜兩可的比對,也不冒誤判的風險。

    • 150–300 bp短讀長的長度;比這更長的重複序列可能吻合許多位置
    • ~8%基因體中約 8%、近 2 億個鹼基,在 T2T-CHM13 之前一直未在參考中完成

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日4 / 15

  5. 長讀長

    長讀長登場

    較長的讀長就是較大的拼圖碎片,更容易在重複的畫面中定位。

    • 150–300 bp短讀長:準確,但太短而跨不過長重複
    • 10–20 kbPacBio HiFi:準確度超過 99.9%,對同一環狀分子重複讀取多次
    • >100 kbOxford Nanopore:超長讀長,錯誤率較高,尤其在重複區

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日5 / 15

  6. 長讀長

    共同的變異偵測流程

    這就像校對。長讀長改變了其中兩個環節:讀長可以依親代分組(定相),而分類器必須學會長讀長的錯誤模式。

    比對

    把每條讀長放到參考基因體上,或以相對於參考的方式表示。

    找候選位點

    標出讀長與參考不同的位置,通常在局部重新組裝之後。

    分類

    模型根據局部證據判斷每個候選是真變異還是假象。

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日6 / 15

  7. 情境與挑戰

    四種變異,四個難題

    類型讀長比例來源挑戰
    生殖細胞系約 50% 或 100%遺傳而來;存在於每個細胞在重複區中比對到正確位置
    新生~50%孩子身上新出現;父母都沒有需要家庭(三人組)資料
    嵌合通常 <30%受精後產生;只在部分細胞極低比例隱沒在雜訊中
    體細胞<1% 至 100%後天獲得,例如在腫瘤中腫瘤純度與次選殖株使訊號模糊

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日7 / 15

  8. 情境與挑戰

    定相:長讀長的優勢

    定相之前

    微弱的變異看起來像隨機雜訊。

    定相之後

    讀長依來源親代分組:真變異出現在一條單倍型上,錯誤則四散。

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日8 / 15

  9. 情境與挑戰

    漂亮的準確度掩蓋了困難區域

    同聚物是同一字母的連續片段,例如 AAAAAAAA。要精確數出長度很難,所以插入缺失常在這裡出錯;而超過 99.9% 的準確度,主要是在容易的高信賴區域量得的。

    • ~75%PacBio 不一致的插入缺失中,位於同聚物之中或旁邊的比例
    • <20%長同聚物(>11 bp)中的插入缺失表現,一般重複區約 70%
    • ~1.7×T2T-HG002 評測中 ONT 原始讀長插入缺失錯誤率相對 PacBio 的倍數

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日9 / 15

  10. 情境與挑戰

    不同定序類型,不同雜訊

    長讀長 DNA

    重複與同聚物中的系統性錯誤,以及參考缺口造成的偏誤;定相有幫助。

    總體 RNA

    全長轉錄本,但覆蓋度隨表現量而定,等位基因特異性表現與 RNA 編輯會混淆工具。

    單細胞 RNA

    把每個變異連到單一細胞,但覆蓋稀疏,並有等位基因脫落、環境 RNA 與雙細胞問題。

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日10 / 15

  11. 深度學習

    深度學習領先

    • >99.9%PacBio 在高信賴區域的 SNP F1
    • ~99%Oxford Nanopore 的 SNP F1;插入缺失仍是弱點

    摘要式輸入

    每個位置的計數,如 Clair3 的 pileup 模型:快速穩健,但失去單一讀長的關聯。

    讀長層級輸入

    讀長堆疊的影像,如 DeepVariant 與 Clair3 的全比對模型:細緻,但運算較重。

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日11 / 15

  12. 深度學習

    三種網路設計

    CNN 像看一張照片,RNN 像讀一行文字,自注意力則像一眼看完整頁。

    CNN

    DeepVariant、Clair3、PEPPER:把讀長堆疊當影像。限制:固定視窗使遠距關聯困難。

    RNN

    Clair、Clair3、Medaka:正反向讀取序列。限制:循序且慢;訊號在長距離上衰減。

    自注意力

    Dorado variant、ClairS-TO:同時權衡每個位置。限制:成本隨長度快速增加。

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日12 / 15

  13. 超越單一參考

    三種偵測變異的方式

    策略優勢代價
    線性參考工具成熟、快速參考偏誤;在重複區脆弱
    組裝式在 T2T 評估中可觸及比對法漏掉的最多 15% 基因體運算量約十倍;同聚物插入缺失較弱
    泛基因體圖HPRC 草圖中比 GRCh38 少約 34% 的小變異錯誤(短讀長)運算量大;沒有供臨床報告用的穩定座標

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日13 / 15

  14. 超越單一參考

    完整的參考揭露了盲點

    RPGR 同聚物中的致病插入缺失,或 SMN1 中受同源基因混淆的變異,幾乎不影響整體 F1,卻可能決定病人能否得到診斷。

    • 93%T2T-CHM13 新評測的變異中,位於缺乏標準答案之高度複雜區域的比例
    • 95% / 85%使用 HiFi 時,最佳工具在低可比對性與片段重複區域的 SNP/插入缺失召回率,容易區域則 >99.9%
    • HG002這些標準答案集背後唯一的樣本,同時用於訓練,因此沒有保留的測試

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日14 / 15

  15. 展望

    瓶頸從找出變異,轉移到理解它。

    • 以半監督模型從大量未標註資料中學習。
    • 為泛基因體圖設計偵測工具,並以組裝為後盾。
    • 在單倍型解析的基礎上建立嵌合與體細胞變異偵測工具。
    • 隨成本下降,讓長讀長 RNA 與單細胞偵測成為常規。

    鄭振賢、Sedlazeck 與駱銳邦 · 《Nature Reviews Genetics》 · 2026年10月20日15 / 15

  • 鄭振賢、Fritz J. Sedlazeck 與駱銳邦〈Small variant calling in the era of long-read sequencing〉,《Nature Reviews Genetics》,2026年10月20日線上發表,doi:10.1038/s41576-026-01020-7,及其 Crossref 紀錄
  • Nurk 等人〈The complete sequence of a human genome〉,《Science》376,2022年
  • Liao 等人〈A draft human pangenome reference〉,《Nature》617,2023年
  • Hammond 等人〈Analytical validation of germline small variant detection using long-read HiFi genome sequencing〉,《Genome Research》35,2025年。三篇引用論文於 PubMed 讀取。全部讀取於2026年10月21日。

可不可靠

可靠,但有立場又可信又可靠兩者皆弱,謹慎採用立場可信,但材料薄弱

值不值得相信

每一點代表一項採用的來源,依兩項判斷置於六級量尺上。點不具名:本圖呈現的是證據的樣貌,而非對任何出版者的評價。

版本

本文內容需要更動時即改寫為新版本,每個版本都保留在自己的網址。

  1. v0001 目前

目前版本也位於 latest/。