Dek slaid
KembaliVarian Kecil dalam Era Bacaan Panjang
Bacaan panjang dan pembelajaran mendalam kini mengesan SNP melebihi 99.9% tepat pada PacBio, tetapi angka itu dari bahagian genom yang mudah. Dalam homopolimer, duplikasi segmen dan kawasan T2T baharu, ketepatan jatuh mendadak, dan set kebenaran untuk mengukurnya hampir tiada.
Nature Reviews Genetics · Artikel ulasan
Pemanggilan varian kecil dalam era penjujukan bacaan panjang
Panduan untuk pemula dan pakar kepada ulasan oleh Zhenxian Zheng, Fritz J. Sedlazeck dan Ruibang Luo
Diterbitkan dalam talian 20 Okt 2026 · doi:10.1038/s41576-026-01020-71 / 15
Latar belakang
Apakah varian kecil
Genom rujukan seperti edisi buku yang diterbitkan, dan genom anda salinan dengan beberapa perbezaan ejaan: pertukaran satu huruf (SNV) atau sisipan dan pemadaman pendek (indel) kurang daripada 50 pasangan bes.
Jenis Rujukan Sampel Apa yang berubah SNV ACGTTGA ACGCTGA Satu huruf ditukar dengan yang lain Sisipan ACGTGA ACGTTGA Huruf tambahan muncul dalam sampel Pemadaman ACGTTGA ACG-TGA Huruf hilang daripada sampel Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20262 / 15
Latar belakang
Mengapa varian kecil penting
Katalog penting seperti 1000 Genomes, gnomAD dan UK Biobank dibina dengan bacaan pendek, yang bergelut dalam DNA berulang dan meninggalkan ratusan ribu varian kecil tidak diselesaikan.
Perbezaan antara manusia
Ia menyumbang kepada banyak perbezaan antara individu.
Evolusi manusia
Ia membawa rekod bagaimana populasi manusia berkait.
Perubatan tepat
Mengetahui varian pesakit membantu memadankan diagnosis dan rawatan dengan individu itu.
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20263 / 15
Latar belakang
Di mana bacaan pendek tidak mencukupi
Bayangkan teka-teki jigsaw dengan banyak kepingan langit biru yang serupa. Kepingan pendek tidak menunjukkan di mana tempatnya, jadi saluran paip membuang penjajaran yang samar daripada mengambil risiko panggilan palsu.
- 150–300 bpPanjang bacaan pendek; ulangan yang lebih panjang boleh sepadan di banyak tempat
- ~8%Daripada genom, hampir 200 juta bes, tidak siap dalam rujukan sehingga T2T-CHM13
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20264 / 15
Bacaan panjang
Bacaan panjang tiba
Bacaan lebih panjang ialah kepingan teka-teki lebih besar dan lebih mudah diletakkan dalam gambar yang berulang.
- 150–300 bpBacaan pendek: tepat, tetapi terlalu pendek untuk merentasi ulangan panjang
- 10–20 kbPacBio HiFi: melebihi 99.9% tepat, membaca satu molekul bulat berkali-kali
- >100 kbOxford Nanopore: bacaan ultrapanjang, dengan kadar ralat lebih tinggi, terutamanya dalam ulangan
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20265 / 15
Bacaan panjang
Aliran kerja pemanggilan varian yang dikongsi
Ia berfungsi seperti membaca pruf. Bacaan panjang mengubah dua bahagian resipi: bacaan boleh diisih mengikut ibu bapa (pemfasaan), dan pengelas mesti mempelajari corak ralat bacaan panjang.
Jajar
Letakkan setiap bacaan pada genom rujukan, atau wakilinya relatif kepadanya.
Cari calon
Tandakan kedudukan di mana bacaan berbeza daripada rujukan, selalunya selepas penghimpunan semula setempat.
Kelaskan
Model memutuskan daripada bukti setempat sama ada setiap calon varian sebenar atau artifak.
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20266 / 15
Konteks dan cabaran
Empat jenis varian, empat masalah
Jenis Bahagian bacaan Asal Cabaran Germa ~50% atau 100% Diwarisi; dalam setiap sel Memetakannya ke tempat betul dalam ulangan De novo ~50% Baharu pada anak; tiada pada kedua-dua ibu bapa Memerlukan data keluarga (trio) Mozek Biasanya <30% Selepas persenyawaan; dalam sesetengah sel sahaja Pecahan sangat rendah tersembunyi dalam hingar Somatik <1% hingga 100% Diperoleh kemudian, contohnya dalam tumor Ketulenan tumor dan subklon mengaburkan isyarat Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20267 / 15
Konteks dan cabaran
Pemfasaan, kelebihan bacaan panjang
Sebelum pemfasaan
Varian yang lemah kelihatan seperti hingar rawak.
Selepas pemfasaan
Bacaan diisih mengikut ibu bapa asal: varian sebenar muncul pada satu haplotip, manakala ralat kekal bertaburan.
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20268 / 15
Konteks dan cabaran
Ketepatan utama menyembunyikan kawasan sukar
Homopolimer ialah larian satu huruf, seperti AAAAAAAA. Mengiranya dengan tepat adalah sukar, jadi indel tersilap di situ, dan ketepatan melebihi 99.9% kebanyakannya diukur di kawasan mudah berkeyakinan tinggi.
- ~75%Panggilan indel PacBio yang tidak sepadan terletak dalam atau bersebelahan homopolimer
- <20%Prestasi indel dalam homopolimer panjang (>11 bp), berbanding ~70% dalam ulangan biasa
- ~1.7×Ralat indel bacaan mentah ONT lebih tinggi berbanding PacBio dalam penanda aras T2T-HG002
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 20269 / 15
Konteks dan cabaran
Jenis penjujukan berbeza, hingar berbeza
DNA bacaan panjang
Ralat sistematik dalam ulangan dan homopolimer, dan bias daripada jurang rujukan; pemfasaan membantu.
RNA pukal
Transkrip panjang penuh, tetapi liputan mengikut ekspresi, dan ekspresi khusus alel serta penyuntingan RNA mengelirukan pemanggil.
RNA sel tunggal
Memautkan setiap varian kepada sel, dengan liputan jarang, keciciran alel, RNA ambien dan dublet.
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 202610 / 15
Pembelajaran mendalam
Pembelajaran mendalam mendahului bidang ini
- >99.9%F1 SNP pada PacBio di kawasan keyakinan tinggi
- ~99%F1 SNP pada Oxford Nanopore; indel kekal titik lemah
Input berasaskan ringkasan
Kiraan setiap kedudukan, seperti model pileup Clair3: pantas dan teguh, tetapi kehilangan pautan setiap bacaan.
Input peringkat bacaan
Gambar timbunan bacaan, seperti DeepVariant dan model penjajaran penuh Clair3: terperinci, tetapi lebih berat dikira.
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 202611 / 15
Pembelajaran mendalam
Tiga reka bentuk rangkaian
CNN seperti melihat gambar, RNN seperti membaca satu baris teks, dan perhatian kendiri seperti melihat seluruh halaman sekali gus.
CNN
DeepVariant, Clair3, PEPPER: menganggap timbunan bacaan sebagai imej. Had: tetingkap tetap menyukarkan pautan jauh.
RNN
Clair, Clair3, Medaka: membaca jujukan ke hadapan dan ke belakang. Had: perlahan dan berjujukan; isyarat pudar dalam rentang panjang.
Perhatian kendiri
Dorado variant, ClairS-TO: menimbang setiap kedudukan serentak. Had: kos meningkat pantas dengan panjang.
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 202612 / 15
Melangkaui satu rujukan
Tiga cara memanggil varian
Strategi Kekuatan Pertukaran Rujukan linear Alat matang dan pantas Bias rujukan; rapuh dalam ulangan Berasaskan himpunan Mencapai sehingga 15% genom yang terlepas oleh pemetaan, dalam penilaian T2T Kira-kira sepuluh kali pengkomputeran; lebih lemah pada indel homopolimer Graf pangenom Kira-kira 34% kurang ralat berbanding GRCh38 dalam draf HPRC, pada bacaan pendek Pengkomputeran berat; tiada koordinat stabil untuk laporan klinikal Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 202613 / 15
Melangkaui satu rujukan
Rujukan lengkap mendedahkan titik buta
Indel patogenik dalam homopolimer RPGR, atau varian dalam SMN1 yang dikelirukan paralog, hampir tidak menggerakkan skor F1 keseluruhan namun boleh menentukan sama ada pesakit menerima diagnosis.
- 93%Daripada varian T2T-CHM13 yang baru dinilai terletak di kawasan sangat kompleks dengan sedikit kebenaran asas
- 95% / 85%Dapatan semula pemanggil terbaik untuk SNP / indel di kawasan kebolehpetaan rendah dan duplikasi segmen dengan HiFi, berbanding >99.9% di kawasan mudah
- HG002Satu-satunya sampel di sebalik set kebenaran ini, juga digunakan untuk latihan, jadi tiada ujian simpanan
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 202614 / 15
Tinjauan
Kesesakan beralih daripada memanggil varian kepada memahaminya.
- Belajar daripada data tanpa anotasi yang luas dengan model separa diselia.
- Reka pemanggil untuk graf pangenom, disokong oleh penghimpunan.
- Bina pemanggil mozek dan somatik atas asas yang diselesaikan haplotip.
- Jadikan pemanggilan RNA bacaan panjang dan sel tunggal rutin apabila kos turun.
Zheng, Sedlazeck & Luo · Nature Reviews Genetics · 20 Okt 202615 / 15