- 3 次围观
动机：拷贝数变异（copy-number variants，CNVs）与人类疾病及群体性状变异相关。从大规模全基因组测序队列中检测CNV仍然具有较高的计算成本，因为大多数方法都需要使用BAM或CRAM文件。基因组VCF（gVCF）文件体积较小，通常由标准变异检测流程生成，并且包含CNV检测所需的测序深度和等位基因信息。然而，gVCF文件无法直接与依赖Log R Ratio（LRR）和B Allele Frequency（BAF）信号的成熟CNV检测工具兼容。 结果：我们提出了gVCF2CNV，这是一种Nextflow流程，可将gVCF文件转换为与现有CNV检测工具兼容的Log R Ratio和B Allele Frequency信号。在SPARK队列的12,509名个体中应用该流程时，gVCF2CNV平均为每名个体在270万个SNV位点生成信号，并使用192个CPU在4小时内完成信号提取。利用PennCNV和QuantiSNP进行CNV检测后，在广泛的大小范围内识别出候选CNV；基于三元组的孟德尔精确率显示，对于长度至少为30 kb的缺失和长度至少为5 kb的重复，精确率可达到约80%或更高。该流程应用于All of Us队列的414,824名个体时，在96小时内完成，证明了其在生物样本库规模上的可行性。这些结果表明，gVCF文件可以作为大规模全基因组测序队列中CNV检测的一种可扩展输入格式。 可用性与实现：gVCF2CNV可通过https://github.com/JacquemontLab/gVCF2CNV 获取。该工具实现为Nextflow流程，由Perl和Python组件构成，支持Linux系统。 联系方式：mame.seynabou.diop@umontreal.ca
研究动机：拷贝数变异（copy-number variants，CNVs）与人类疾病及群体性状变异有关。在大规模全基因组测序队列中进行CNV检测仍然具有较高的计算成本，因为大多数方法都需要BAM或CRAM文件。基因组VCF（genomic VCF，gVCF）文件体积较小，通常由标准变异检测流程生成，并包含CNV检测所需的测序读段深度和等位基因信息。然而，gVCF文件无法直接兼容依赖对数R比值（Log R Ratio，LRR）和B等位基因频率（B Allele Frequency，BAF）信号的现有CNV检测工具。结果：我们提出了gVCF2CNV，这是一种Nextflow流程，可将gVCF文件转换为与现有CNV检测工具兼容的LRR和BAF信号。在SPARK队列的12,509名个体中应用该流程时，gVCF2CNV在每名个体平均270万个SNV位点上生成信号，并使用192个CPU在4小时内完成信号提取。利用PennCNV和QuantiSNP进行CNV检测，在较宽的大小范围内鉴定出候选CNV；基于三联体的孟德尔精确率显示，对于长度至少为30 kb的缺失和长度至少为5 kb的重复，精确率约达到80%或更高。将该流程应用于All of Us队列的414,824名个体时，在96小时内完成，证明了其在生物样本库规模上的可行性。这些结果表明，gVCF文件可作为大规模全基因组测序队列中CNV检测的可扩展输入格式。可用性与实现：gVCF2CNV可通过https://github.com/JacquemontLab/gVCF2CNV获取，该工具实现为包含Perl和Python组件的Nextflow流程，支持在Linux系统上运行。联系方式：mame.seynabou.diop@umontreal.ca。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.02.748565v1?rss=1
🏷️ 拷贝数变异检测 全基因组测序 gVCF分析 Nextflow流程 生物信息学 大规模队列分析