西班牙研究人员建立个性化SV分析软件PerSVade，助力植物学相关研究

结构变异（SV，structural variant）是指个体之间DNA的变化（通常>50bp），这些变化可以由基因组的重复、缺失或重组（倒位、易位和散布插入）而产生。在真核生物中，SV可与人类的临床表型相关，也可使植物（如水稻）在内的各种生物产生显著的种内遗传变异。尽管如此，要把SV从短读测序中调用出来，技术上仍困难重重；导致SV在大多数基因组研究被忽略了。因此，SVs在真核生物中的作用，很大程度上仍未得到探索。目前，SV的相关分析算法主要集中在人类基因组；它们是否适用于其他生物体，尚不清楚，严重阻碍了其他生物体中SV的研究。

2022年8月16日，Genome Biology在线发表了西班牙巴塞罗那超算中心（BSC-CNS）、生物医学研究所（IRB Barcelona）和加泰罗尼亚科研与高级研究所（ICREA）Toni Gabaldón团队题为“PerSVade: personalized structural variant detection in any species of interest”的方法论文。该研究开发了新的个性化SV分析软件perSVade，它可根据物种的基因组测序数据及其参考基因组生成模拟基因组的SV，并以此进行参数优化，从而最大化地从测序数据中调取SV。

https://doi.org/10.1186/s13059-022-02737-4

为了克服这一局限性，该研究开发了新的个性化SV分析软件perSVade。多项基准测试研究表明，gridss算法具有很高的准确性。PerSVade以短读基因组数据及其参考基因组为基础，使用gridss识别比对序列中的断点，并使用clove将这些断点归结为实际的SV（分为插入、易位、缺失、倒位和串联重复）。此外，perSVade可对SV生成相应的功能注释，为评估该基因组区域的变化和下游分析提供了帮助（Figure 1）。

perSVade的一个关键特性是其参数优化步骤，可在“optimize_parameters”模块中实现。由于不清楚在大多数物种中是否存在通用的参数，加上无法预测perSVade对不同测序格式（即不同的读取长度、覆盖率或插入大小）是否具有相同的性能；perSVade的“optimize_parameters”以参考基因组及其测序数据生成模拟基因组的SV，并为这些模拟基因组的SV选择最准确的参数（F 值）。为了解释SV形成的不同机制，模拟可从三个方面进行：（1）整个基因组中的随机位置（“随机”模拟），（2）围绕先前已知的SV区域（“已知”模拟），（3）围绕同源序列的区域（“同源”模拟）。显然，“已知”模拟和“同源”模拟要优于“随机”模拟；但不管怎么样，每一种模拟都可使参数得到优化，从而调出最可靠的结果。

为了检验参数优化步骤的作用，该研究对6种多样性真核生物（光滑念珠菌Candida glabrata，白色念珠菌Candida albicans，新型隐球菌Cryptococcus neoformans，拟南芥Arabidopsis thaliana，果蝇Drosophila melanogaster，和人Homo sapiens）分别进行了perSVade测试。结果显示，perSVade可广泛用于从各种真核生物的测序数据中调用SV；并且与默认参数相比，参数优化可大幅度提高SV的召回率（Figure 2）。

那么，不同物种间是否具有通用性参数呢？通过查看PerSVade在各物种中生成的参数，研究人员发现，它们具有明显的物种特异性。进一步通过将某一物种的参数使用在其他物种上，该研究发现这些参数并不能在其他物种中最大化的调取SV；但在其相近的物种中，仍相对有效（Figure 3）。因此，不同物种间不具有通用性的参数；要想在特定物种中最大化的调取SV，必须依赖于PerSVade的参数优化。

为了进一步验证perSVade在实际SV调用中的作用，该研究对具有已知SV的测序数据进行了测试。结果显示，由于已知SV基因组数据的F值比模拟基因组的要完低，其SV的准备性较高，但召回率较低；表明，perSVade参数优化对已知SV基因组数据中的SV调用也具有改善作用（Figure 4）。

综上所述，该研究以开发了个性化的SV分析软件perSVade，它具有自动参数优化功能，可根据物种的基因组测序数据及其参考基因组生成模拟基因组的SV，并以此进行适合于该物种的参数优化，从而保证最大限度地从基因组测序数据中调取SV。通过对6个不同真核生物（含拟南芥）的基因组测序数据进行测试，该研究表明perSVade可广泛地适用于不同的物种；为推动植物学中SV的相关研究提供了重要的分析工具。

转自：“植物科学最前沿”微信公众号

如有侵权，请联系本站删除！