Encontrar regiones fáciles para las llamadas de variantes de lectura corta a partir de datos de pangenoma

Área de la Ciencia:

• La genómica
• La bioinformática
• Biología computacional

Sus antecedentes:

• Los puntos de referencia de llamada de variantes de secuenciación de lectura corta se limitan a regiones seguras, lo que potencialmente produce tasas de error 10 veces más altas en muestras humanas no probadas.
• Los conjuntos de "región fácil" existentes para la llamada de variantes a menudo son sesgados o no tienen en cuenta muestras no de referencia.

Objetivo del estudio:

• Para derivar regiones fáciles de agnosticidad de la muestra para variantes de lectura corta precisas que llaman a través de diversos genomas humanos.
• Proporcionar un recurso fiable para filtrar las llamadas de variantes espurias en muestras humanas.

Principales métodos:

• Utilizó cientos de ensamblajes de genoma humano de alta calidad para definir nuevas regiones fáciles.
• Las regiones aseguradas son independientes de la muestra y equilibradas para la cobertura y la facilidad de las llamadas variantes.

Principales resultados:

• Regiones fáciles de muestreo desarrolladas que cubren el 88,2% del GRCh38 y el 92,2% de las regiones de codificación.
• Estas regiones identifican con precisión el 96,3% de las variantes patógenas en ClinVar.
• El método es adaptable para otros ensamblajes humanos y especies con múltiples ensamblajes de genoma.

Conclusiones:

• Este recurso ofrece un método potente y conveniente para filtrar las llamadas de variantes inexactas.
• Facilita la mejora de la precisión de las llamadas de variantes en aplicaciones clínicas y de investigación.