基准测试长读变异调用双倍体和多倍体基因组:人类和植物的见解

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:

• 准确的遗传变异表征对于基因组学至关重要.
• 长读测序为解决复杂的基因组区域和增强变体检测提供了潜力.
• 复杂基因组中长期阅读的应用程序的验证仍然有限.

研究的目的:

• 系统地调查影响变量调用准确性的因素,使用准确的长读数.
• 评估 ploidy 和基因组复杂性对变体检测和基因型定型的影响.
• 确定关键挑战,并提出改善长期阅读变体分析的策略.

主要方法:

• 模拟了使用人类三组数据的可变化水平 (双化,四化,六化).
• 在真实双胞胎 (Fragaria vesca) 和多胞胎 (Solanum tuberosum) 基因组和重复双胞胎 (Zea mays) 中评估基因组和变异检测性能.
• 分析了基因组复杂性,重复内容和结构变异对读取映射和变异调用准确性的影响.

主要成果:

• 基因型定型的准确性随着因基剂量不确定性的增加而降低,因基剂量不确定性而增加.
• 总体而言,变异调用精度受到固有的基因组复杂性的强烈影响,例如重复内容.
• 参考基因组和样本基因组之间的结构差异,特别是在重复区域,导致虚假的读取映射和错误的变异调用,这是主要的错误来源.

结论:

• 长读变异分析面临着多方面的挑战,包括多样性级别的确定和映射偏差.
• 基剂量不确定性会影响多类动物的基因型准确性.
• 偏差感知映射策略和偏差感知基因类型对于实现各种生物体中长读的全部潜力至关重要.