低等位基因频率嵌合突变的检测：基于细胞系混合物的多机构基准评测
Detecting low-allele-fraction mosaic mutations: A multi-institution benchmarking with cell-line mixtures.
一句话建立细胞系混合物基准评测框架，为非癌组织低等位基因频率突变检测提供参考资源与最佳实践。
研究问题
数据与样本
分析流程
- 1构建评测材料：制备1:49的细胞系混合物，并在5个中心开展超深度短读长和长读长全基因组测序。
- 2建立参考集：汇集嵌合SNVs和indels，并用长读长数据交叉验证以识别短读长的局限。
- 3控制参考背景：加入阴性参考集，并将培养过程中产生的突变纳入考量。
- 4划分基因组区域：按可比对性对基因组分区，考察基因组背景对检测的影响。
- 5比较检测流程：由7家机构应用12条流程，比较不同工具及重复样本间的变异检出集合。
- 6评估深度收益：结合VAF与测序深度评估灵敏度和精确率，以及增加测序量的增益。
关键方法与工具
- short- and long-read whole-genome sequencing
- 生成评测与交叉验证数据
设计思路
主要发现
- 7家机构应用12条流程后，不同工具和重复样本间的变异检出集合存在较大不一致。
- 上述不一致部分反映了生物学重复样本中低VAF突变的随机抽样效应。
- 对于VAFs高于2%的SNVs，在≥300×时，灵敏度和精确率接近80%，进一步增加测序量的增益很小。
- 研究建立了面向非癌组织低VAF突变检测的基准评测框架和参考资源。
可借鉴之处
- 开展低频突变检测方法评估时，可借鉴固定比例细胞系混合物与多流程比较的设计，同时检查工具差异和生物学重复间的一致性。
- 构建参考集时，可借鉴长读长交叉验证、阴性参考集和培养来源突变考量的组合，而非仅依赖短读长检出结果。
- 测序方案优化可同时考察VAF分层、测序深度与灵敏度和精确率，识别继续加深测序的收益是否有限。
数据与代码
局限
- 评测基于细胞系混合物，其结果对真实非癌组织样本的适用性仍受这一模型设计限制。
- 接近80%的灵敏度和精确率结果针对VAFs高于2%的SNVs，不能直接外推至更低VAF或indels。
摘要（中文翻译）
正常组织中的嵌合突变具有较低的变异等位基因频率（VAFs），使其检测更为困难。为对变异检测策略开展基准评测，SMaHT Network 制备了细胞系混合物（1:49），并在5个中心生成了超深度短读长和长读长全基因组测序数据（每个中心170×-470×）。我们构建了嵌合单核苷酸变异（SNVs）和插入缺失（indels）的参考集，并使用长读长数据进行交叉验证，以揭示短读长的局限。我们还根据可比对性对基因组进行分区，以考察基因组背景的影响，加入了阴性参考集，并将培养过程中产生的突变纳入考量。当7家机构应用12条分析流程时，不同工具和重复样本间的变异检出集合存在较大不一致，部分反映了生物学重复样本中低VAF突变的随机抽样效应。对于VAFs高于2%的SNVs，在≥300×时，灵敏度和精确率接近80%，进一步增加测序量带来的增益很小。本研究为可靠检测非癌组织中的低VAF突变建立了框架和最佳实践，并为研究群体提供了有价值的资源。
英文原文摘要
Mosaic mutations in normal tissues occur at low variant allele fractions (VAFs), complicating detection. To benchmark variant-calling strategies, the SMaHT Network created a cell-line mixture (1:49) and produced ultra-deep short- and long-read whole-genome sequencing data across five centers (170×-470× per center). We assembled a reference set of mosaic SNVs and indels, cross-validated with long-read data to expose short-read limitations. We also partitioned the genome by mappability to examine the impact of genomic context, added a negative reference set, and accounted for culture-derived mutations. When seven institutions applied twelve pipelines, callsets were largely discordant across tools and replicates, partly reflecting stochastic sampling of low-VAF mutations in biological replicates. For SNVs with VAFs above 2%, sensitivity and precision approached 80% at ≥300×, with little gain from additional sequencing. This work establishes a framework and best practices for reliably detecting low-VAF mutations in non-cancer tissues and provides a valuable resource for the community.
摘要来自 PubMed。翻译与解读由模型根据摘要生成，可能有误，不构成诊疗建议；数据以原文为准，版权归原出版方所有。