在牛津纳米孔测序数据中对结构变异检测的长读对齐器和SV调用器进行基准测试

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.
• 分子生物学分子生物学

背景情况:

• 结构变异 (SVs) 是显著的DNA突变 (>50 bp),包括插入,删除,重复,反转和转位.
• SVs可以深刻影响表型,并与癌症,治疗反应和感染等疾病有关.

研究的目的:

• 评估四个长读对齐器和五个结构变体 (SV) 调用器的性能.
• 使用牛津纳米孔NGS人类基因组数据集,提供各种SV检测工具的精度,回忆和F1评分的见解.
• 作为研究人员在选择最佳工具时用于SV检测的参考.

主要方法:

• 利用了三个牛津纳米孔下一代测序 (NGS) 人类基因组数据集.
• 评估了四个长读对齐器和五个SV调用器.
• 基于精度,回忆,F1分数,覆盖深度和分析速度的评估性能.

主要成果:

• 性能因数据集,对齐器和SV类型而异;然而,Sniffles和CuteSV通常表现良好.
• CuteSV获得了最高的平均F1得分 (82.51%) 和召回 (78.50%).
• 斯尼弗尔展示了最高的平均精度 (94.33%),Minimap2对齐器和斯尼弗尔SV调用器提供了快速有效的管道.

结论:

• 建议使用Sniffles和CuteSV来在各种长读测序数据集和覆盖层面中进行强大的SV检测.
• PBSV表现较低的性能指标,可能产生更多的假阳性或错过真实SV.
• 这种全面的评估有助于研究人员选择适当的对齐器和SV调用器,用于他们的特定基因组研究.