方法論記事

超低深さ全ゲノムシーケンシングデータのための遺伝子型補完ツールの包括的評価

DOI：

10.3791/68879

⸱

2025年12月12日

 ,  ,  ,  ,  , 
1College of Life Sciences, University of Chinese Academy of Sciences, 2Shenzhen Key Laboratory of Transomics Biotechnologies, BGI Research, 3State Key Laboratory of Genome and Multi-omics Technologies, BGI Research, 4The Innovation Centre of Ministry of Education for Development and Diseases, School of Medicine, South China University of Technology, 5Shanxi Medical University-BGI Collaborative Center for Future Medicine, Shanxi Medical University, 6State Key Laboratory of Vascular Homeostasis and Remodeling, Peking University Health Science Center

この記事について

サマリー

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

STITCH、QUILT2、GLIMPSE2の3つの補完ツールが、CKBおよびEASの参照パネルを用いて、異なるシーケンス深度とサンプルサイズでベンチマークされました。この結果は、超低深解析シーケンシングデータにおける適切な補完戦略を選択するための実践的な枠組みを提供し、大規模な集団ゲノム研究や複雑な形質研究を促進します。

要約

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

超低深さシーケンシング(ULDS)は大規模なゲノム研究においてコスト効率の良い戦略ですが、その有用性は正確な遺伝子型補完に依存しています。本研究は、中国カドリーバイオバンク(CKB)および1000ゲノムプロジェクト(1KGP)東アジア(EAS)のリファレンスパネルを用いて、STITCH、QUILT2、GLIMPSE2の3つの補完ツールを、異なるシーケンス深度とサンプルサイズで評価します。重要な性能の乖離が示されています:サンプルサイズの感度:STITCHはサンプル数が大きいほど精度が著しく向上しましたが、QUILT2やGLIMPSE2はサンプル数依存が最小限でした。参照パネル最適化:集団特異的CKBはQUILT2およびGLIMPSE2の精度を大幅に向上させましたが、内部ハプロタイプ推論に依存するSTITCHにはほとんど影響を与えませんでした。深度閾値:すべてのツールは中程度のシーケンス深度(≥0.5倍)で堅牢な精度を達成しましたが、STITCHは超低深さ(≤0.1倍)では大幅に性能を低下させました。CKBとGLIMPSE2は総合的に最高の精度を提供し、QUILT2は精度と計算効率のバランスを取っていました。非侵襲的出生前検査(NIPT)データでは、GLIMPSE2+CKBが後続解析に十分な精度を維持しました。人口に応じたパネルと深さ適応ツールを優先し、多様な研究環境でULDS-WGSを最適化するための実践的な指針を提供する意思決定フレームワークを提案します。これらの知見は方法論の進歩と実践的な実装をつなぎ、データの質を損なうことなくゲノム研究のコスト効率の高いスケーリングを可能にします。

概要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

超低深さシーケンシング(ULDS)は、1倍未満のカバレッジを指し、低コスト、広範なゲノムカバレッジ、多様なサンプルタイプとの互換性から人気を集めています。すでに非侵襲的出生前検査(NIPT)1、がんモニタリング2、染色体コピー数変異(CNV)検出などの応用で臨床的価値を示しています3,4。臨床診断を超えて、シーケンスのコスト低下とバイオインフォマティクスの急速な進歩により、ULDSは集団ゲノミクスや複雑な形質研究においてますます重要な役割を果たすようになりました。ULDSデータと集団規模のハプロタイプ参照パネルを組み合わせることで、遺伝子型補完により個人レベルでのゲノム全体変異情報を回復できます。その結果、ULDSは従来の単一塩基多型(SNP)アレイや高深な全ゲノムシーケンス(WGS)5のコスト効率の高い代替手段として浮上し、特にゲノムワイド関連研究(GWAS)や集団構造解析などの大規模研究において活用されています。

これまでの研究では、NIPTシーケンシングデータを用いて変異呼びかけ、集団史再構築、ウイルス感染パターン推論、GWAS6など、さまざまな遺伝学研究の実現可能性が示されています。

これらの利点にもかかわらず、ULDSデータの極めて希少な性質は独自の課題を生み出しています。変異レベルでは、多くのサイトが全く観察されていなかったり、個体あたり1つの対立遺伝子しか表されず、下流解析のためのデータ品質が不十分です。したがって、遺伝子型補完は不可欠であり、大規模な参考パネル(例:1000ゲノム7や集団 特異的リソース)からのハプロタイプ構造を活用して、欠損または不確実な遺伝子型を統計的に推定します。過去の研究では、NIPTデータからの補完がGWASにおいて高い精度を達成し、形質関連変異の特定において堅牢な統計的検出力を維持することが示されています8。STITCH9 アルゴリズムを用いて、20,900人の中国妊婦コホートにおけるNIPTデータ(平均深度~0.15x)を成功裏に推定し、妊娠関連遺伝子座の特定に至りました。推定された遺伝子型はGWAS結果において、WGSの深層データと強い一致を示しました(Pearson R² > 0.8)10。

ULDSベースの解析の成功は、補完精度に大きく依存しており、これはシーケンシングの深さ、参照パネルの品質と母集団一致、補完アルゴリズムの性能、サンプルサイズ、対立遺伝子周波数スペクトル11の影響を受けます。その中で、参照パネルの選択が補完の正確性を大きく左右する要因です。よく使われるパネルには、1000ゲノムプロジェクト(1KGP)7、TOPMed12、ハプロタイプリファレンスコンソーシアム(HRC)13などの世界的に代表的なリソースや、シンガポールの10,000ゲノム(SG10K)14、中国カドリーバイオバンク(CKB)15といった、人口や地域別のパネルが利用可能になっています.補完性能のもう一つの重要な要素はアルゴリズムの選択です。低深さシーケンシングの特有の課題に対応するためにいくつかのツールが開発されており、大規模な遺伝学研究における補完の実用的な利用が大きく進展しています。Beagle (v5+)16、Minimac417、IMPUTE511 などの補完手法はSNPアレイや中〜高深さのWGSデータで広く使われていますが、ULDS設定ではしばしば最適とは言えません。近年では、これらの課題に対処するための専門的なツールが開発されています。STITCH9 は低深さのシーケンシングリードから直接ハプロタイプを推定するため、特に大規模で均質なコホートに適しています。QUILT218 は圧縮されたハプロタイプライブラリと局所的尤度モデルを採用し、大規模な参照パネルによる効率的な補完を可能にし、出生前ゲノミクスにおける独自の応用を提供します。GLIMPSE219は、元のGLIMPSEフレームワークの拡張であり、精度と計算効率の両面でさらなる改善を提供します。

これらのツールは大きな進歩を示していますが、異なる実験デザイン(例:シーケンス深度、コホートサイズ、参照パネルの選択)における相対的な性能は体系的に評価されておらず、研究者は最適な戦略を選択する明確な指針を持っていません。このギャップを埋めるために、STITCH、QUILT2、GLIMPSE2という3つの広く使われているULDS補正ツールが、複数のシーケンス深度とサンプルサイズで体系的にベンチマークされました。彼らのパフォーマンスは、中国の集団に非常に関連性の高い2つの東アジアの参照パネルを用いて評価されました。これらの発見は、ULDS補帰は一般的に深度≥0.5倍で信頼性が高い一方、深度<0.1倍では許容可能な精度を得るために大幅に大きなコホートが必要であることを示しています。参照パネルの選択は研究の文脈に合わせて調整されるべきであり、CKBのような集団マッチパネルは補完の精度を向上させます。さらに、これらの手法は大規模な集団研究やNIPTで生成される超低深部データに直接適用可能です。本研究はULDSベースの研究におけるツール選択のための実践的な枠組みを確立し、集団遺伝学や複雑な形質解析における将来の応用に向けた方法論的指針を提供します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

参加者全員が参加前に書面によるインフォームドコンセントを提供しました。WGSの詳細なデータを対象としたこの研究は、BGI機関審査委員会(BGI-IRB 23058-T2)によって審査・承認され、中国人種遺伝資源管理局([2023] CJ0262)から人間の遺伝資源収集の承認が下りました。NIPTのULDSデータを用としたこの研究は、武漢小児病院の機関審査委員会(2021R062)およびBGI機関審査委員会(BGI-IRB 21088)により承認され、さらに中国人肉遺伝資源管理局([2021] CJ2002)からも承認されました。

注:本研究には2種類のWGSデータが含まれていました。最初のタイプは、深圳の自然集団コホートから抽出された500人の血液サンプルから得られた詳細なWGSデータ(30xx)で構成されていました。これらのデータは高品質なグラウンドトゥルースデータセットの構築およびその後のダウンサンプリングおよび精度評価に用いられました。2つ目は、武漢地域の1万人の妊婦のNIPTから得られたULDSデータで構成されていました。

1. 詳細な全ゲノムシーケンシングデータ

  1. インフォームド・コンセントの後、一般集団コホートから500個の末梢血サンプル(各5mL)を採取します。サンプルはEDTAチューブに保存し、2〜8°Cで輸送します。
  2. 血漿とバフィーコートを分離するために、1,600 x g で4°Cで10分間遠心分離します。バフィー色の被毛を慎重に採取し、DNA抽出まで-80°Cで保存してください。
  3. メーカーの指示に従い、磁気ビーズベースのキットを使ってバフィーコートからゲノムDNAを抽出します。
  4. フルオメトリックアッセイを用いてDNA濃度を定量し、アガロースゲル電気泳動によるDNA完全性を評価します。図書館調製のために、総DNA収率≥1 μg、濃度≥12.5 ng/μL、断片長>20 kbで目に見える劣化がないサンプルを選定します。
  5. 80〜200 ngの高品質ゲノムDNAを超音波検査で平均350〜400 bpまでせん断します。
  6. 20°Cでエンドリペアを30分間、アダプターライゲーションを20°Cで15分、37°Cで30分間円形化を行い、PCRフリーライブラリーを構築します。ローリングサークル増幅(RCA)を用いてDNAナノボール(DNB)を生成する。DNBSEQプラットフォーム上で、目標深度~30倍(サンプルあたり平均100 Gb)までの配列ペアエンドライブラリ(PE100、リード長100 bp)。生のシーケンシングリードはFASTQ形式で保存し、下流解析に用いられます。
    注意:すべてのヒト由来サンプルはBSL-2の実験室条件下で取り扱ってください。DNA分解を防ぐために、繰り返される凍結融解サイクルは避けてください。血液由来物質を生物有害廃棄物として処分すること;化学試薬は機関の有害廃棄物ガイドラインに従って処分されます。

2. 超低深度NIPTデータ(~0.1倍WGS)

  1. 非侵襲的な出生前検査(NIPT)のために、母体血液サンプル10,000点(各5mL)を採取してください。EDTAチューブを使用し、2〜8°Cで輸送します。採取後8時間以内にプラズマを処理してください。
  2. 安定化循環DNAチューブ(KチューブまたはGチューブ)の場合、温度管理キャリアを用いて6〜35°Cで輸送し、製造元の標準作業手順に従い96時間以内に処理します。
  3. 血漿を分離するために1,600 x g で10分間、4°Cで血漿を分離します。ピペットを使ってバフィーの被皮や細胞ペレットを乱さずに上部血漿層を慎重に採取し、新しいチューブに移します。回収した血漿を再び16,000 x g で4°Cで10分間遠心分離し、残留する細胞や破片を除去します。清算された上清液(細胞遊離血漿)を新しいチューブに慎重に移し、DNA抽出を行います。
  4. 核酸抽出キットを用いて血漿から循環細胞自由DNA(cfDNA)を抽出します。20°Cで30分間エンドリペア、20°Cでアダプターライゲーションを15分間、PCR増幅(12サイクル、98°C変性10秒、60°Cアニーリング30秒、72°C延長30秒)。
  5. PCR産物を精製し、ライブラリーを37°Cで30分間円状化します。RCAを通じてDNBを生成します。BGISEQ-500プラットフォーム上のシーケンスシングルエンドライブラリ(SE35、読み取り長35 bp)。生のシーケンスデータをFASTQ形式で保存します。
    注意:血漿サンプルはBSL-2の条件下で感染性のある物質として取り扱ってください。凍結融解サイクルを最小限に抑え、cfDNAの分解を抑えましょう。血漿廃棄物やプラスチック消費品は生物有害物質として処分してください。

3. データ前処理パイプライン

  1. 異なるシーケンス深度下での遺伝子型補完ツールの性能を体系的に評価するために、元の高深さWGSデータ(30倍)と超低深さNIPTデータ(<0.1倍)の両方に対して標準化された前処理ワークフローを実施し、シミュレーションによるダウンサンプリング、品質管理、リードアライメント、重複除去、ベース品質スコア再校正(BQSR)を含みます。
    注:ここから補完精度評価までのステップは本研究のメインプロトコル(図1)を構成します。具体的なコードは 補足ファイル1で確認できます。
  2. ダウンサンプリング
    1. 元の30倍の高深解析シーケンスサンプルからダウンサンプリングされた一連のデータセットを生成します。以下に説明するNIPTデータのシーケンス特性を現実的に模倣するために、2つの戦略を用いてください。
    2. ランダムサブサンプリング:seqtk v1.5(https://github.com/lh3/seqtk)を使い、固定されたランダムシード100を使い、4段階の低深さデータ(0.05x、0.1x、0.5x、1.0x)を作成します。
    3. NIPT様のリード構造シミュレーション:各ペアエンドリードの最初のリード(R1)のみを保持し、すべての保持リードをseqtk trimfq -L 35で35 bpに切り詰めます。これは超低深さNIPTシーケンシングの典型的な単端・ショートリードの性質に適合します。
  3. 品質管理
    1. すべての生のFASTQファイルをfastp v0.23.420で処理します。以下のパラメータを使用します:--qualified_quality_phred=5(ベース品質閾値)、--unqualified_percent_limit=50(低品質ベースの最大許容割合)、--n_base_limit=10(1リードあたり最大N基数)、およびカスタムアダプター除去(--adapter_sequence=AAGTCGGAGGCCAAGGGTCTTAG)
      GAAGACAA(R1)と--adapter_sequence_r2=AAGTCGGATCGTAGCC
      ATGTCGTTCTGTGTGAG
      CCAAGGAGTTG (R2)。
    2. Poly-Gのテールトリミング(--disable_trim_poly_g)を無効にし、各サンプルごとにJSONとHTMLの両方のレポートを生成してください。
  4. アライメントと重複除去
    1. BWA v0.7.16a-r118122を用いて、高品質リードをヒト参照ゲノムGRCh38(hg38)21にアライメントします。
    2. alnアルゴリズム(-e 10 -t 4 -i 5 -q 0)でアライメントを行い、その後読み取りグループ情報を使ったシングルエンドアライメントのためにSAMSEを行います。
    3. 得られたSAMファイルをBAMに変換し、ソート(samtools sort -@ 8)、SAMtools v1.323 (samtools rmdup)を使って重複を削除します。すべてのBAMファイルをインデックス化してください。
  5. 基礎品質スコア再校正(BQSR)
    1. GATK v4.0.4.024を使ってBQSRを実行してください。再キャリブレーションモデルは、3つの高信頼度バリアントデータセット(dbSNP build 14625、Mills and 1000G ゴールドスタンダード indel21、および GATK リソースバンドル24 known indels ファイル)で GRCh38 を学習させます。使用されているバンドルファイルはGATK公式例(https://github.com/gatk-workflows/gatk4-data-processing/blob/master/processing-for-variant-discovery-gatk4.hg38.wgs.inputs.json)を参照しています。合計で3つのファイルとそれに対応するインデックスファイルをダウンロードしてください。
    2. BaseRecalibratorを実行し、その後ApplyBQSRを実行して再調整済みBAMファイルを生成します。SAMtools v1.3を使ってすべてのBAMをインデックス化してください。
      注:すべてのシミュレーションデータセットは、同一の前処理(ステップダウンサンプリング、品質管理、アライメント、重複除去、BQSR)を経て、後の補完性能評価における一貫性と比較可能性を確保しました。

4. 遺伝子型補完

  1. データ準備
    1. 補完データセットの設定:複数の評価データセットを構築し、異なる深さやサンプルサイズにわたる遺伝子型補完ツールを体系的にベンチマークします。上記のサンプルサイズやシーケンス深度の違いに基づいて、合計9つの組み合わせが形成されます。入力ファイルは、品質管理後の上記の9つのサブセットのシーケンスデータBAMファイルリスト(bamlist.txt)で構成され、対応するbamlist.txtファイルに格納されます。その他の入力ファイルには、ヒトリファレンスゲノム(GRCh3821)や1000ゲノムプロジェクト7の遺伝地図があります。
      1. ダウンサンプリングされた高深さWGSデータ:30倍の深さでシーケンスされた500体の個体から2つのサブセット(200および500サンプル)をランダムに選びます。各サブセットを4つの深さ(1x、0.5x、0.1x、0.05x)にダウンサンプリングし、8つの実験条件を生成します。
      2. NIPTベースのULDSデータセット:10,000個の超低深部NIPTサンプル(平均深度0.102倍、 図2)と、50個の高深度サンプルを0.1倍にダウンサンプリングします。
    2. 解析領域仕様:すべての解析を染色体1領域chr1:150,500,000-160,500,000(10 Mb)に限定し、補完用に500 kbのバッファを設けて、ツール間の直接比較性を確保します。
    3. 参照パネルの選択:2つの参照パネル(表1)を使用します。中国の集団データから構築されたCKBパネルと、1000ゲノムプロジェクト東アジアのサブセットから導出された1KGP-EASパネルです。
      注:CKBリファレンスパネル15は、中国カドリーバイオバンクの9,964人の中国成人から収集した高深(~15x)全ゲノムシーケンスデータを用いて構築されました。これは大規模な前向きコホート研究です。これらのサンプルは、表現型バイアスが最小限で、均質な漢民族の祖先を持ち、一貫した集団構造を持つ自然集団から得られており、中国のコホートにおける遺伝子型帰帰に特に適しています。Yuら15は、身長の実表現型GWASにおいて、CKBパネルを用いた補完によって検出されるSNPの数が3倍になり、ゲノム全体で有意変異の数が2倍になったことを示しました。最も広く使われているゲノムリファレンスである1000ゲノムプロジェクト(1KGP)7,26は、東アジア(EAS)フェーズ3サブセットに585個体を含んでいます。このサブセットは、約30倍の配列深さを持つ東アジアの5つの集団を含み、北京の漢族(CHB)、南漢族(CHS)、西双版納の中国傣族(CDX)、ベトナムホーチミン市のキン族(KHV)、東京の日本族(JPT)が含まれます。
  2. 補完ツール
    1. 異なるモデリング戦略と超低深部シーケンシング(ULDS)データへの適用性から選ばれた3つの補完アルゴリズムを評価する。
      1. STITCH:STITCH(v1.6.6)は、参照不要のハプロタイプベースの補完アルゴリズムで、外部参照ハプロタイプをオプションで組み込むことができます。入力ファイルとしてBAMリストやヒト参照ゲノム(GRCh38)を含めてください。参照ベースの補完を行う際は、参照パネルファイル(hap/legend/pos)を準備してください。以下の主要パラメータを含める:方法=二倍体、バッファ=500 kb、K=10の祖先ハプロタイプ、nGen=4倍サンプルサイズ/K(STITCH文書で推奨)。すべての個体に対して、SNPごとの遺伝子型用量を含む出力ファイルを生成します。
        注:STITCHの公式ドキュメントによると、Kはモデル内の祖先ハプロタイプの数です。Kが大きいほど、より大きなサンプルや高いカバレッジでの補補精度が向上しますが、計算時間が長くなり、カバレッジが低いほど精度は低下することがあります。
      2. QUILT2:QUILT2はULDSデータに最適化されたベイズ参照ガイド方式を採用しています。提供されたprepare_referenceスクリプトを使ってリファレンスパネル作成を行い、遺伝的マップと地域座標を指定します。比較性を確保するために、STITCHと同じバッファサイズ(500 kb)とnGen設定で補完二倍体モードを実行してください。
      3. GLIMPSE2:GLIMPSE2はHMMベースの参照駆動型補完ツールで、大規模かつ非常に低深さのシーケンスデータセット向けに設計されています。入力BAMリスト、人間参照VCFパネル、遺伝マップ、入力領域=chr1:150,000,000-161,000,000、出力領域=chr1:150,500,000-160,500,000(500kbバッファを維持するため)を指定して補GLIMPSE2_phase_static完を実行します。ここに入力されるBAMリストファイルには2つの列が必要です。1列はBAMパス、もう1列はサンプル名です。2列目が入力されない場合、各BAMファイル名が出力VCFファイルのサンプル名として使われます。

5. 補完精度の評価

  1. 真理集合の定義
    1. 30倍の深さでシーケンスされた50個体をグラウンドトゥルースデータセットとして選びます。これらのサンプルは比較可能性を確保するために実験的なダウンサンプリング条件に含めてください。
    2. 真理セットのバリアント呼び出しは以下のパイプラインで実行します:QC用のSOAPnuke27 、アラインメント用のBWA、重複マーキング用のPicard、バリアント呼び込み用のGATK v4.0.4.0 BQSRとHaplotypeCaller、ジョイントコール用のDPGT(https://github.com/BGI-flexlab/DPGT)、バリアント品質フィルタリング用のBCFtools v1.1123 。
    3. ベンチマークVCFファイルを生成するために、高信頼度のPASSバリアントのみを保持します。評価はchr1:150,500,000-160,500,000に制限し、推定データセットと整合させてください。
  2. データの調和とフィルタリング
    1. PLINK2.028を使ってすべてのツールから補足されたVCFファイルを処理します。用量データを抽出してpgen形式に変換します。
    2. 以下のフィルターでSNPレベルの品質管理を適用します:マイナーアレル頻度(MAF)≥0.05(--maf 0.05)、ハーディ・ワインバーグ平衡(HWE)p値≥1e-6(--hwe 1e-6)、バイアレリックSNPのみ(--最大対立遺伝子2)。
    3. エクスポートバリアントはQCをTraw形式に渡し、下流比較のために行います。
  3. 精度指標
    1. 各SNPの推定用量と実際の用量を比較してください。Pearson相関係数(R)をSNPごとに計算し、両データセットに共通するサイトのみを保持し、評価されたすべてのSNP間で二乗相関係数(R²)の平均を計算して、各条件の全体的な補完精度を定量化します。
    2. この精度指標を用いて、推定遺伝子型と真遺伝子型の遺伝子型の推定値の一致を捉えましょう。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

標本サイズが補完精度に与える影響
サンプルサイズをN=200からN=500に増やすことで、特に低カバレッジ条件下でSTITCHの補完精度が向上しました。例えば、CKBリファレンスパネルを1倍のカバレッジで運用した場合、STITCHはR2>を0.916(N=500)と0.882(N=200)と上回り、3.4%の増加を示しています (図3;補足ファイル2)。 同様に、0.5倍のカバレッジでは、精度は0.800から0.868に上昇しました(ΔR2>=8.5%)。対照的に、QUILT2およびGLIMPSE2はサンプルサイズの変動に対する感度が最小限で、すべての試験条件下でR2>の変動は0.5%未満でした。例えば、QUILT2はCKBパネル下で1xカバレッジ(R2> = 0.970 に対し N = 500 で 0.971)安定し...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究では、ULDSに関する広く使われている3つの遺伝子型補完ツールの性能を体系的に評価し、その中でも高深度のWGSがゴールドスタンダードとされています。重要な方法論的強みは、アライメント、品質管理、基礎品質スコアの再調整を含む統一された前処理パイプラインの採用にあり、これによりバッチ効果を最小限に抑え、ツールや条件間での比較可能性を確保しています。深くシーケンスされたサンプルをダウンサンプリングすることで、制御された設定下で超低深さデータをシミュレーションし、ベンチマーキングのための客観的な枠組みを提供しました。染色体1のゲノム区間を定義された10 Mbに制限することで、計算の実現可能性を確保しつつ、十分なバリアント密度を保つことができました。STITCH、QUILT2、GLIMPSE2の比較評価では、補完戦略ごとに明確な強みと弱みが明らかになります。

シーケンスの深さとサンプルサイズは補完の精度に予測可能な影響を与えました。精度は深度~0.1倍を下回り急激に低下し、まばらな読み取りデータからハプロタイプを信頼性...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

著者たちは競合する利害関係を一切認めていない。

謝辞

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究は、深圳医学研究基金(B2404004)、中国国家重点研究開発計画(2023YFC2605400、2022YFC2502402)、深圳科学技術プログラム(SYSPG20241211173852024)、国家血管恒常性・再構築重点研究所オープンリサーチプロジェクト(北京大学)(2025-SKLVHR-013)、および広東省重点地域研究開発プログラム(2023B0303040001)の支援を受けました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
Data
10,000件のNIPT低深部サンプルこの論文補完ベンチマークに使用された超低深層全ゲノムシーケンシングデータ。
500の高深部WGSサンプルこの論文30回以上;ゴールドスタンダード/真実セットとして使われる高度なWGS。
<ストロング>リファレンスパネル
1KGP-EASリファレンスパネル1000ゲノムプロジェクト(東アジア)東アジア系の祖先特有の推定のための1KGPのサブセット。
CKBリファレンスパネルチャイナ・カドリー・バイオバンク遺伝子型補完のためのカスタム集団別パネル。
<ストロング>ソフトウェアとアルゴリズム
BCFtools v1.11GitHub (samtools/bcftools)染色体レベルの結果の統合やソート、変異体のフィルタリングに使用されます。
GATK 4.0.4.0ツールセットのBQSRブロード研究所基礎品質スコア再校正(BQSR)に使用されます。
BWA-MEM .7.16a-r1181ヘン・リー / GitHub生リードをGRCh38にアライメントするために。
DPGT(分散集団遺伝学ツール)BGI分散型集団遺伝学解析ツールで、数百万のWGSサンプルの共同呼び出しを可能にしました。[GitHub - BGI-flexlab/DPGT](https://github.com/BGI-flexlab/DPGT)で入手可能
Fastp.0.23.4オープンソース(Chen ら、2018年)品質管理やアダプターのトリミング用です。
GLIMPSE2オックスフォード大学低カバレッジWGSにおける高速遺伝子型位相と補完
分析用のオリジナルコードこの論文補足ファイル1解析用のオリジナルコード
ピカードツールキットブロード研究所重複のマークやファイルフォーマット変換に使用されます。
プリンク 2.0C. チャン、S. パーセル/ブロード研究所遺伝子型フォーマット変換および関連解析のために。
Python 3.8Pythonソフトウェア財団スクリプト作成、自動化、データ解析に使用されます。
QUILT2オックスフォード・ビッグデータ研究所外部参照パネルを用いたHMMベースの補完
R 4.1.3R財団STITCH、QUILT2の実行、プロットや統計作業に使われます。
SAMtools v1.3GitHub (samtools/samtools)SAM/BAMファイルの操作用です。
セクトル-1.5GitHub (lh3/seqtk)FASTA/Q形式のシーケンス処理のためのツールキット。[GitHub - lh3/seqtk](https://github.com/lh3/seqtk)で入手可能
SOAPnukeBGINGSのデータ品質管理およびフィルタリング用です。
STITCH v1.6.6オックスフォード大学超低カバレッジシーケンスに最適化された補完ツール
タビックスGitHub (samtools/tabix)bgzip化されたVCFファイルのインデックス作成およびクエリに使用されます。
<ストロング>その他の素材
GATKバンドルファイルGATK[https://github.com/gatk-workflows/gatk4-data-processing/blob/master/processing-for-variant-discovery-gatk4.hg38.wgs.inputs.json] で入手可能
1000G(GRCh38)の遺伝子マップオックスフォード/1000ゲノムプロジェクト位相分析/補完ツールに必要です
GRCh38ゲノムリファレンスコンソーシアムリードアライメントおよびバリアント呼び出しに使用

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Zhang, H., et al. Non-invasive prenatal testing for trisomies 21, 18 and 13: clinical experience from 146,958 pregnancies. Ultrasound Obstet Gynecol. 45 (5), 530-538 (2015).
  2. Heitzer, E., et al. Tumor-associated copy number changes in the circulation of patients with prostate cancer identified through whole-genome sequencing. Genome Med. 5 (4), 30(2013).
  3. Hyblova, M., et al. Validation of Copy Number Variants Detection from Pregnant Plasma Using Low-Pass Whole-Genome Sequencing in Noninvasive Prenatal Testing-Like Settings. Diagnostics (Basel). 10 (8), (2020).
  4. Kucharik, M., Budis, J., Hyblova, M., Minarik, G., Szemes, T. Copy Number Variant Detection with Low-Coverage Whole-Genome Sequencing Represents a Viable Alternative to the Conventional Array-CGH. Diagnostics (Basel). 11 (4), (2021).
  5. Li, J. H., Mazur, C. A., Berisa, T., Pickrell, J. K. Low-pass sequencing increases the power of GWAS and decreases measurement error of polygenic risk scores compared to genotyping arrays. Genome Res. 31 (4), 529-537 (2021).
  6. Liu, S., et al. Genomic Analyses from Non-invasive Prenatal Testing Reveal Genetic Associations, Patterns of Viral Infections, and Chinese Population History. Cell. 175 (2), 347-359.e14 (2018).
  7. The 1000 Genomes Project Consortium. A global reference for human genetic variation. Nature. 526 (7571), 68-74 (2015).
  8. Liu, S., et al. Utilizing non-invasive prenatal test sequencing data for human genetic investigation. Cell Genom. 4 (10), 100669(2024).
  9. Davies, R. W., Flint, J., Myers, S., Mott, R. Rapid genotype imputation from sequence without reference panels. Nat Genet. 48 (8), 965-969 (2016).
  10. Xiao, H., et al. Genetic analyses of 104 phenotypes in 20,900 Chinese pregnant women reveal pregnancy-specific discoveries. Cell Genom. 4 (10), 100633(2024).
  11. Rubinacci, S., Ribeiro, D. M., Hofmeister, R. J., Delaneau, O. Efficient phasing and imputation of low-coverage sequencing data using large reference panels. Nat Genet. 53 (1), 120-126 (2021).
  12. Taliun, D., et al. Sequencing of 53,831 diverse genomes from the NHLBI TOPMed Program. Nature. 590 (7845), 290-299 (2021).
  13. McCarthy, S., et al. A reference panel of 64,976 haplotypes for genotype imputation. Nat Genet. 48 (10), 1279-1283 (2016).
  14. Wu, D., et al. Large-Scale Whole-Genome Sequencing of Three Diverse Asian Populations in Singapore. Cell. 179 (3), 736-749.e15 (2019).
  15. Yu, C., et al. A high-resolution haplotype-resolved Reference panel constructed from the China Kadoorie Biobank Study. Nucleic Acids Res. 51 (21), 11770-11782 (2023).
  16. Browning, B. L., Zhou, Y., Browning, S. R. A One-Penny Imputed Genome from Next-Generation Reference Panels. Am J Hum Genet. 103 (3), 338-348 (2018).
  17. Das, S., et al. Next-generation genotype imputation service and methods. Nat Genet. 48 (10), 1284-1287 (2016).
  18. Li, Z., Albrechtsen, A., Davies, R. W. Rapid and accurate genotype imputation from low coverage short read, long read, and cell free DNA sequence. bioRxiv. , (2024).
  19. Rubinacci, S., Ribeiro, D. M., Hofmeister, R. J., Delaneau, O. Efficient phasing and imputation of low-coverage sequencing data using large reference panels. Nat Genet. 53 (1), 120-126 (2021).
  20. Chen, S. Ultrafast one-pass FASTQ data preprocessing, quality control, and deduplication using fastp. Imeta. 2 (2), e107(2023).
  21. Zheng-Bradley, X., et al. Alignment of 1000 Genomes Project reads to reference assembly GRCh38. Gigascience. 6 (7), 1-8 (2017).
  22. Li, H., Durbin, R. Fast and accurate short read alignment with Burrows-Wheeler transform. Bioinformatics. 25 (14), 1754-1760 (2009).
  23. Danecek, P., et al. Twelve years of SAMtools and BCFtools. Gigascience. 10 (2), 8(2021).
  24. Van der Auwera, G. A., et al. From FastQ data to high confidence variant calls: the Genome Analysis Toolkit best practices pipeline. Curr Protoc Bioinfo. 43 (1110), 11.10.1-11.10.33 (2013).
  25. Sherry, S. T., et al. dbSNP: the NCBI database of genetic variation. Nucleic Acids Res. 29 (1), 308-311 (2001).
  26. Byrska-Bishop, M., et al. High-coverage whole-genome sequencing of the expanded 1000 Genomes Project cohort including 602 trios. Cell. 185 (18), 3426-3440 (2022).
  27. Chen, Y., et al. SOAPnuke: a MapReduce acceleration-supported software for integrated quality control and preprocessing of high-throughput sequencing data. Gigascience. 7 (1), 1-6 (2018).
  28. Chang, C. C., et al. Second-generation PLINK: rising to the challenge of larger and richer datasets. Gigascience. 4 (7), 8(2015).
  29. Marchini, J., Howie, B. Genotype imputation for genome-wide association studies. Nat Rev Genet. 11 (7), 2796(2010).
  30. Zeng, J., et al. Protocol for genetic analysis of population-scale ultra-low-depth sequencing data. STAR Protoc. 6 (1), 579(2025).
  31. Naito, T., Okada, Y. Genotype imputation methods for whole and complex genomic regions utilizing deep learning technology. J Hum Genet. 69 (10), 481-486 (2024).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

関連記事