使用猪短读和长读测序数据进行结构变异检测工具的系统基准测试
Sang He1,2, Bangmin Song1, Yueting Tang1
1Shenzhen Branch, Guangdong Laboratory of Lingnan Modern Agriculture, Key Laboratory of Livestock and Poultry Multi-omics of MARA, Agricultural Genomics Institute at Shenzhen, Chinese Academy of Agricultural Sciences, Shenzhen 518124, China.
iScience
|March 10, 2025
概括
在评估猪的结构变异 (SV) 检测时,这项研究发现长读测序平台在识别短读方法遗漏的SV方面优越. SVIM-asm 证明了 SV 调用农场动物的最佳性能.
科学领域:
- 基因组学就是基因组学.
- 进行比较基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 精确检测结构变异 (SVs) 对于理解牲畜的遗传多样性和疾病至关重要.
- 现有的SV检测工具采用各种算法,需要进行比较性能评估.
研究的目的:
- 系统地评估各种猪中SV检测程序的性能.
- 为猪建立一个基准SV集,以评估工具的准确性.
- 为农场动物提供最佳的SV调用管道提供指导.
主要方法:
- 使用短读和长读DNA测序平台对五种基因多样化的猪品种进行测序.
- 创建特定品种的SV基准集.
- 使用基准集对16个SV调用工具的性能评估.
主要成果:
- 长读测序平台识别了许多短读平台错过的SV,准确度相似.
- 基于组装的工具SVIM-asm表现出卓越的SV检测性能和资源效率.
- 具有较高读取支持,较小尺寸 (<1kb) 和位于重复区域之外的SV显示出更高的检测准确性.
结论:
- 长读测序对于在猪中全面检测VS是非常有效的.
- SVIM-asm是 SV 呼叫猪和可能是其他农场动物的推工具.
- 了解 SV 特性 (读取支持,大小,位置) 有助于准确检测.
