可扩展的变体呼叫表示:使遗传分析能够超越一百万个基因组
Timothy Poterba1,2,3, Christopher Vittal1,2,3, Daniel King1,2,3,4
1Program in Medical and Population Genetics, Broad Institute of MIT and Harvard, Cambridge, Massachusetts 02142, USA.
变种调用格式 (VCF) 难以处理大型基因组数据集,从而创建庞大的文件. 一个新的可扩展变异呼叫表示 (SVCR) 提供线性扩展,以进行高效的基因组测序数据分析.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 变种调用格式 (VCF) 是一种用于存储基因组变异数据的标准.
- 目前的VCF实现表现出不良的可扩展性,导致极大的文件 (例如,为150,000个基因组提供900 TiB).
- 这种低效率阻碍了大规模遗传数据集的经济有效的生产和分析.
研究的目的:
- 引入一种新的数据表示方式,即可扩展变异调用表示 (Scalable Variant Call Representation,SVCR),旨在实现与样本大小的线性可扩展性.
- 解决大规模基因组学中传统的VCF格式所带来的文件大小和分析挑战.
- 为了有效地生成,分析和传播数百万样本的遗传数据集.
主要方法:
- 通过将基因组变异调用格式 (GVCF) 的参考块与本地等位基因索引集成,开发了SVCR.
- 实现了两种格式的SVCR:SVCR-VCF (基于VCF) 和VDS (的原生格式).
- 引入了VDS组合器工具,用于从GVCFs中进行可扩展的VDS生产.
主要成果:
- 证明了SVCR-VCF和VDS的线性文件大小可扩展性,与标准VCF的超线性增长形成鲜明对比.
- 已确认的SVCR无损且可合并,支持增量联合调用 (N+1,N+K).
- 突出显示的VDS功能可以快速分析数据.
结论:
- SVCR为变量呼叫数据提供了一个可扩展的解决方案,克服了传统VCF的局限性.
- VDS是SVCR的实现,它有助于对大型基因组数据集进行高效分析.
- 这些进展对于科学界管理和分析数百万样本规模的基因组学数据至关重要.
更多相关视频
11:02Detecting Somatic Genetic Alterations in Tumor Specimens by Exon Capture and Massively Parallel Sequencing
Published on: October 18, 2013
09:33Author Spotlight: Finding New Therapeutic Targets for Malignant Peripheral Nerve Sheath Tumor Through Genome-Scale shRNA Screens
Published on: August 25, 2023
相关概念视频
Comparing Copy Number Variations and SNPs
Copy number variations or CNVs are the structural variations that cover more than 1kb of DNA sequence. The single nucleotide polymorphism (SNP), on the other hand, is a single nucleotide change or a point mutation that is found in more than 1%...
Evolutionary Relationships through Genome Comparisons
Genetic Variation
Genes exist in different versions called alleles,...
Single Nucleotide Polymorphisms-SNPs
Genomics
Next-generation Sequencing
Next-Generation Sequencing Methods
Although all next-generation methods use different technologies, they all share a set of standard features....
