使用HLAminer进行HLA预测的长读序列对齐

科学领域:

• 基因组学就是基因组学.
• 免疫遗传学 免疫遗传学
• 生物信息学是一种生物信息学.

背景情况:

• 人类白细胞抗原 (HLA) 基因集群对免疫力至关重要,并且高度多态.
• 传统上,分析HLA区域需要高分辨率数据和复杂的方法.
• 长读测序为全面的HLA分析提供了潜力.

研究的目的:

• 从长时间读取的测序数据中预测HLA等位基因的简化协议.
• 为了证明HLAminer工具用于HLA特征预测的效率和稳定性.
• 为了从全基因组枪数据中实现可访问的HLA类型.

主要方法:

• 直接将序列对齐流入HLAminer中.
• 使用来自牛津纳米孔技术 (ONT) 和太平洋生物科学 (PacBio) 的长读测序数据.
• 与任何SAM文件格式兼容的读取对齐器兼容,包括minimap2.

主要成果:

• 该协议成功预测了HLA类I和类II等位基因.
• 即使使用较旧,精度较低的纳米孔数据,也可以实现强大的HLA特征预测.
• 有效的分析被证明只有10×测序覆盖率.

结论:

• 这种方法提供了一种简单,可扩展和高效的方法,用于从长时间读取的测序数据中预测HLA.
• 该协议通过利用现有的全基因组猎枪数据来实现HLA类型的民主化.
• HLAminer 工具可以在各种测序数据集中进行准确的免疫基因分析.