- 13 次围观
结构变异（structural variants, SVs）是一类多样化的遗传变异，其定义的最小长度为50个碱基对。SVs构成了个体基因组中绝大多数的变异碱基，并且通常与遗传性疾病和癌症相关。然而，SV分析十分复杂，其原因包括：SV在类型和大小上具有广泛差异、具有不同程度的多态性、常涉及重复序列，以及其可能通过多种方式产生功能性影响；此外，还有技术因素，例如断点检测不精确，以及同一事件可能存在多种替代表达形式。尽管近年来在SV检测与表征方面取得了进展，但除基础注释和比较之外，对其进行深入评估仍然困难。 在此，我们介绍SVlog，一个用于SV分析的透明且可扩展的元编程框架。SVlog以逻辑编程语言Souffle为引擎，提供了一种声明式本体，用于描述SV、基因及其他基因组元素之间的关系。基因组注释和SV数据集——包括用户提供的数据和公共参考数据——被转换为关系型“事实”，SVlog再对其应用定义“谓词”的逻辑规则。谓词具有特异性、透明性和确定性，同时又完全灵活且可组合，从而能够在不依赖随机性“黑箱”方法的情况下，对SV进行细致评估。 为了展示SVlog，我们开发了一个现成的谓词库，用于罕见遗传病背景下的SV注释、比较和优先级排序。尽管其代码库十分紧凑，SVlog仍可评估50多个输入谓词，并生成70多个信息丰富的输出谓词。它整合来自群体和临床基因组数据库的证据，并应用分层过滤策略，以识别遗传病患者中潜在的致病性SV候选变异。通过强调可解释性和模块化，SVlog为SV分析提供了一个快速、可靠的工具库，并且是在临床变异解读中替代传统生物信息学流程的强大确定性方法。
结构变异（SV）是一类多样化的遗传变异，其定义为长度至少为50个碱基对。SV占据了个体基因组中绝大多数变异碱基，并且通常与遗传性疾病和癌症相关。然而，SV分析十分复杂，这源于其类型和大小的广泛差异、多态性程度、重复序列的参与，以及其可能引发功能影响的多种方式，同时也受到技术因素的影响，例如断点检测不精确，以及同一事件的不同表示方式。
尽管近年来在SV检测与表征方面取得了进展，但除了基本注释和比较之外，仍然难以对其进行深入评估。在此，我们介绍SVlog，一个用于SV分析的透明且可扩展的元编程框架。以逻辑编程语言Souffle为核心引擎，SVlog提供了一种声明式本体，用于描述SV、基因及其他基因组元件之间的关系。基因组注释和SV数据集——包括用户提供的数据和公共参考数据——被转换为关系型“事实”，SVlog在此基础上应用定义“谓词”的逻辑规则。谓词具有明确性、透明性和确定性，同时又具备充分的灵活性和可组合性，从而能够在不依赖随机性“黑箱”方法的情况下，对SV进行细致评估。
为了展示SVlog，我们开发了一个现成的谓词库，用于罕见遗传病背景下的SV注释、比较和优先级排序。尽管其代码库紧凑，SVlog仍可评估50多个输入谓词，并生成70多个信息丰富的输出谓词。它整合了来自群体和临床基因组数据库的证据，并采用分层过滤策略，以识别遗传病患者中候选致病SV。通过强调可解释性和模块化，SVlog为SV分析提供了一个快速、可靠的工具库，并且是临床变异解读中传统生物信息学流程的强大确定性替代方案。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.11.744322v1?rss=1
🏷️ 结构变异 逻辑编程 基因组疾病 变异注释 致病性优先级排序 临床变异解读