如何进行靶向测序的CNV分析简介,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。
相比全基因组,全外显子组只针对外显子区域进行测序,更加的经济高效。全外显子利用特定的芯片捕获外显子区域进行测序,在这个思想的基础上进一步延伸,如果只关注与疾病或者特定表型相关的某些基因,只需要针对这些区域进行测序就可以了。
通过PCR或者芯片捕获的方式,富集感兴趣的目的区域的reads然后进行测序,这就是target sequencing, 也称之为target resequencing, taget-NGS,tg-NGS等。其中,针对某种特定疾病或者表型,将相关的候选基因集中起来,只针对这些基因进行测序,就是通常所说的panel测序。
目的区域靶向测序更加的经济高效,可以实现500到1000X, 甚至更高的测序深度,有助于发现罕见变异,挖掘疾病相关基因,在临床研究中应用广泛。目前通过靶向测序挖掘CNV的相关工具相对而言比较少,
列举的针对tg-NGS测序的CNV工具如下
WES也算是靶向测序的一种,所以针对WES的工具也一起进行了测评,最终进行测评的工具列表如下
ExomeCNV
ExomeCopy
CONTRA
ExomeDepth
CONIFER
CANOES
CODEX
CLAMMS
CoNVaDING
DECoN
CNVkit
SeqCNV
所有的工具都是基于read depth的分布来预测CNV,利用平均测序深度300X的模拟数据,测试结果如下
A和B分别表示灵敏度和特异性,不同颜色代表control样本的多少,可以看到,名列前茅的分别是DECoN, exomeDepth, exomeCNV。
对不同软件的假阴性率进行评估,结果如下图所示
可以看到各种情况下,DECoN的假阴性率都是最低的。考虑到每个软件都有自己的限制,综合多款软件的结果来进行分析,不用个数的最佳软件组合汇总如下
二代测序CNV检测的最大挑战是各种系统误差,GC含量,重复序列,捕获效率,PCR偏倚等导致的测序深度分布不均匀,处理方法可以大致分为两种,第一种考虑各种因素进行建模,校正系统误差,第二种通过对照样本,通过实验样本和对照样本的比较,来减少系统误差的影响。
对于靶向测序而言,其测序深度分布的影响因素过多,很难有一个最佳的模型可以校正系统误差,所以采用对照样本的方式是比较主流的算法。
综合来看,DECoN软件在本次测评中效果是最好的,灵敏度和特异性都是最佳,其次有ExomeDepth和ExomeCNV。对于panel测序的CNV鉴别,推荐使用这3款软件。
看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注亿速云行业资讯频道,感谢您对亿速云的支持。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。