方法与工具Cell Genomics · 泛基因组方法与变异基准资源

一种在 HapMap 混合样本中建立合成体细胞变异资源的泛基因组方法

A pangenomic method for establishing a synthetic somatic variant resource in HapMap mixtures.

一句话提出基于泛基因组图的体细胞变异基准构建方法，用于系统评估不同技术的变异检测能力。

研究问题

如何利用 HapMap 细胞系混合样本和个体组装，建立覆盖多类变异及低等位基因频率范围的统一体细胞变异基准资源？这一资源如何用于评估检测程序、参考基因组及覆盖深度需求？

数据与样本

SMaHT 联盟混合 6 种 HapMap 细胞系，构建变异等位基因频率为 0.25%-16.5% 的人工体细胞变异。基准集覆盖常染色体和线粒体染色体，包含 >6 百万个单核苷酸变异、>1.8 百万个小片段插入/缺失、>49,000 个结构变异和 10,000 个移动元件插入；另使用超深度模拟读段进行验证。

分析流程

1构建混合样本：混合 6 种 HapMap 细胞系，生成人工体细胞变异，覆盖 0.25%-16.5% 的变异等位基因频率。
2建立统一基准集：从个体组装构建泛基因组图，整合单核苷酸变异、小片段插入/缺失、结构变异及移动元件插入。
3验证基准变异：使用超深度模拟读段验证构建的变异。
4估计覆盖深度需求：建立基于二项分布的模型，估计变异检测所需的覆盖深度。
5评估检测表现：评估多个变异检测程序，并比较比对至 CHM13 与 GRCh38 的检测表现。
6定位检测难点：考察难以比对区域、富含重复序列区域和错误重复基因中的低等位基因频率变异检测问题。

关键方法与工具

HapMap: 提供混合样本细胞系
pangenome graphs: 构建统一变异基准集
ultra-deep simulated reads: 验证基准变异
binomial-based model: 估计检测所需覆盖深度
CHM13: 作为比对参考进行评估
GRCh38: 作为比对参考进行比较

设计思路

通过混合细胞系生成不同等位基因频率的人工体细胞变异，再以个体组装构建泛基因组图，形成跨变异类型的统一基准。使用超深度模拟读段验证变异，并结合二项分布模型评估覆盖深度需求；比较多个检测程序及两种参考基因组，以识别技术和基因组区域相关的检测差异。

主要发现

构建了变异等位基因频率覆盖 0.25%-16.5% 的人工体细胞变异资源。
统一基准集覆盖常染色体和线粒体染色体，包含 >6 百万个单核苷酸变异、>1.8 百万个小片段插入/缺失、>49,000 个结构变异及 10,000 个移动元件插入。
对多个检测程序的评估显示，与 GRCh38 相比，比对至端粒到端粒的 CHM13 可改善结构变异检测，并在难以比对的区域具有优势。
低等位基因频率变异在富含重复序列的基因组区域及错误重复的基因中仍尤其难以检测。

可借鉴之处

可借鉴细胞系混合策略，为自己的体细胞变异检测流程建立覆盖不同等位基因频率的人工基准。
设计测序方案时，可借鉴本文基于二项分布估计检测覆盖深度需求的做法，将检测目标与测序深度联系起来。
评估检测流程时，可像本文一样同时比较参考基因组，并单独考察难以比对及富含重复序列区域，避免仅关注总体表现。

数据与代码

摘要和已读取的内容里没有说明，请查看原文的数据可得性声明。

局限

基准来自 6 种 HapMap 细胞系的人工混合样本，其在真实临床组织体细胞嵌合场景中的适用性仍需验证。
低等位基因频率变异在富含重复序列的区域及错误重复基因中的检测仍存在困难。

摘要（中文翻译）

体细胞嵌合现象广泛存在于人类生物学与疾病中，但稳健的基准资源仍然稀缺。Somatic Mosaicism across Human Tissues（SMaHT）联盟混合了 6 种 HapMap 细胞系，构建变异等位基因频率范围为 0.25%-16.5% 的人工体细胞变异。我们开发了一种不依赖特定技术的方法，从个体组装构建泛基因组图，以创建统一的基准集：覆盖常染色体和线粒体染色体的 >6 百万个单核苷酸变异、>1.8 百万个小片段插入/缺失、>49,000 个结构变异和 10,000 个移动元件插入。我们使用超深度模拟读段验证这些变异，并开发了基于二项分布的模型来估计变异检测所需的覆盖深度。对多个变异检测程序的评估表明，与 GRCh38 相比，比对至端粒到端粒的 CHM13 可改善结构变异检测，并在难以比对的区域具有优势。在富含重复序列的基因组区域和错误重复的基因中，低等位基因频率变异的检测仍尤其困难。这一准确且用途广泛的资源支持对体细胞变异检测技术进行系统评估。

英文原文摘要

Somatic mosaicism is widespread in human biology and disease, yet robust benchmarks are scarce. The Somatic Mosaicism across Human Tissues (SMaHT) Consortium mixed six HapMap cell lines to create artificial somatic variants spanning 0.25%-16.5% variant allele fractions. We developed a technology-agnostic method that builds pangenome graphs from individual assemblies to create unified benchmarking sets: >6 million single-nucleotide variants, >1.8 million small insertions/deletions, >49,000 structural variations, and 10,000 mobile element insertions across autosomes and mitochondrial chromosomes. We validated the variants using ultra-deep simulated reads and developed a binomial-based model to estimate coverage requirements for variant detection. Evaluating multiple callers showed that telomere-to-telomere CHM13 alignment improves structural variant detection and offers advantages in difficult-to-map regions compared to GRCh38. Low-allele-fraction variant detection remained particularly challenging in repeat-rich genomic regions and falsely duplicated genes. This accurate, versatile resource enables systematic evaluation of somatic variant detection technologies.

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。