NC | VolcanoSV可通过单分子长读长测序在二倍体基因组中实现准确、稳健的结构变异调用

结构变异(SVs)对人类基因组多样性有重要贡献，在精准医学中起着至关重要的作用。尽管单分子长读长测序技术的进步为SV检测提供了突破性的资源，但准确、稳健地识别SV断点和序列仍然具有挑战性。2024年8月，《Nature Communications》发表了一种创新的混合SV检测流程——VolcanoSV，其同时利用参考基因组和局部从头组装生成分阶段二倍体组装；利用阶段性SNP和独特的k-mer相似性分析，可以精确地发现单倍型解析的SV。

VolcanoSV是什么？

为了解决现有的基于校准和基于组装的方法的局限性，开发团队提出了一种创新的混合SV检测流程——VolcanoSV，利用分阶段的snp生成分阶段的二倍体组装，用于精确的单倍型解析SV分析。

VolcanoSV使用参考序列和长读长数据来生成高质量的单倍型解析二倍体组装，然后从中全面检测SV并消除假阳性。VolcanoSV不仅限于SV，还集成了两个模块来收集SNP和小indel，并进一步完善这些小变异。VolcanoSV 的主要工作流程由两个关键组件（VolcanoSV-asm 和 VolcanoSV-vc）组成，它们通过六个概念模块相互连接：（a）依赖于单倍型定相的分区读段（VolcanoSV-asm）；（b）通过独特的 k-mer 相似性分析进行非定相读段分配（VolcanoSV-asm）；（c）通过增强相位块进行单倍型感知的局部组装（VolcanoSV-asm）；(d) 基于 Contig 比对的大型 indel SV 检测和细化（VolcanoSV-vc）；(e) 复杂 SV 收集、恢复和过滤（VolcanoSV-vc）；(f) 小 indel 收集和细化（VolcanoSV-vc）。最终输出是分阶段的变异调用格式 (VCF) 文件。

VolcanoSV的性能测试

VolcanoSV擅长构建全面的遗传图谱，包括SNP、小indels和所有类型的SV，使其非常适合人类基因组学研究。开发团队广泛的实验表明，VolcanoSV在检测插入和缺失SV方面超越了最先进的基于组装的工具，在包括低覆盖率（10×）数据集在内的各种数据集上表现出卓越的召回率、精确度、F1分数和基因型准确性。在模拟和真实的癌症数据中，VolcanoSV在识别复杂SV（包括易位、重复和倒位）方面优于基于组装的工具。此外，VolcanoSV对各种评估参数具有稳定性，并能准确识别断点和SV序列。

VolcanoSV 成为不同长读长数据集中基于组装的 SV 检测的首选，在 F1 分数、召回率、精确度和 GT 一致性方面表现出卓越的性能和一致性，尤其是在 PacBio HiFi 和 CLR 数据集中。VolcanoSV 在 F1 分数、精确度和 GT 一致性方面仍然表现出其对 ONT 数据集的优势。在插入和删除的召回率方面，VolcanoSV 在 6 个数据集中的 3-4 个中实现了最佳召回率。

VolcanoSV 揭示了大量独特的真实结构变异，且其在大多数SV大小范围内都表现出顶级准确性，但10-50kb范围内的插入除外；同时，VolcanoSV展示了在模拟和真实癌症数据集中识别复杂SV的能力。

VolcanoSV 在低覆盖率数据集上保持了优异的性能：在所有覆盖率（5-50 ×）中，与其他三种工具相比，VolcanoSV 保持了最佳的基因型准确度。

VolcanoSV 对 SV 评估参数具有稳定性。

综上，VolcanoSV 具有多项优势功能。（1）它的表现优于最先进的基于组装的 SV 调用程序，在各种数据集（包括低覆盖率 (10x) 数据集）中表现出更高的召回率、精确度、F1 分数和基因型准确性，而不会影响准确性。（2）VolcanoSV 与所有主流长读长测序平台兼容，这些平台的测序错误率差异很大，并且可以发现各种类型的 SV，包括缺失、插入、重复、倒位和易位。此外，VolcanoSV 在检测和定相 SNP 和小插入缺失以及 SV 方面表现出色。（3）它通过准确识别断点和 SV 序列表现出更强大的性能。（4）基于组装的 SV 调用组件 VolcanoSV-vc 具有较低的错误发现率。凭借这些功能，VolcanoSV 非常适合为人类基因组学研究生成全面的遗传图谱。

所有代码均可在GitHub上获得： https://github.com/maiziezhoulab/VolcanoSV.

参考文献：Luo, C., Liu, Y.H. & Zhou, X.M. VolcanoSV enables accurate and robust structural variant calling in diploid genomes from single-molecule long read sequencing. Nat Commun 15, 6956 (2024). https://doi.org/10.1038/s41467-024-51282-0