Mejora de la detección de variantes en genomas complejos: aprovechamiento de lecturas vinculadas para un análisis...

Área de la Ciencia:

• Genómica
• Bioinformática
• Biología Molecular

Sus antecedentes:

• La detección precisa de variantes genéticas (SNPs, INDELs, SVs) es crucial para el análisis genómico.
• La secuenciación de lecturas cortas tiene limitaciones para resolver variantes estructurales (SVs), especialmente en regiones complejas.
• La secuenciación de lecturas vinculadas, como stLFR, utiliza códigos moleculares para proporcionar información genómica de largo alcance.

Objetivo del estudio:

• Evaluar el rendimiento de diferentes configuraciones de secuenciación de lecturas largas de fragmentos de una sola tableta (stLFR) para la detección de variantes genéticas.
• Comparar las lecturas de extremo único codificadas tradicionales de extremo pareado (PE100 stLFR) con las novedosas lecturas de extremo único codificadas (SE500 stLFR, SE1000 stLFR).
• Evaluar la utilidad de las bibliotecas híbridas stLFR que combinan diferentes tipos de lecturas.

Principales métodos:

• Desarrollo de stLFR-sim, un simulador basado en Python para la generación realista de datos de lecturas vinculadas.
• Simulación de conjuntos de datos de muestras HG002 utilizando la simulación del genoma basada en T2T en configuraciones PE100, SE500 y SE1000 stLFR.
• Evaluación comparativa sistemática de la detección de variantes frente al estándar de oro Genome in a Bottle (GIAB).
• Construcción y evaluación de bibliotecas híbridas stLFR.

Principales resultados:

• Las lecturas extendidas de extremo único stLFR (SE500, SE1000) mejoran significativamente la detección de variantes estructurales (SV), y SE1000 stLFR muestra el mejor equilibrio precisión-recuperación.
• Las lecturas más cortas de PE100 stLFR proporcionan una mayor precisión para SNPs e INDELs en regiones de alta confianza, pero tienen dificultades en áreas de baja maleabilidad.
• Las bibliotecas híbridas stLFR superan consistentemente las configuraciones de bibliotecas únicas para la detección de variantes pequeñas en diversos contextos genómicos.

Conclusiones:

• Las estrategias de secuenciación stLFR se pueden evaluar de manera robusta utilizando marcos comparativos.
• Las lecturas de extremo único codificadas muestran una promesa significativa para mejorar las capacidades de detección de variantes estructurales.
• Adaptar los diseños de secuenciación stLFR a las complejidades genómicas específicas es esencial para una detección óptima de variantes.