文献解读-多组学-第十八期|《整合 WES 和 RNA-Seq 数据以进行短变异发现》

关键词：多组学；基因测序；变异检测；

---

文献简介

• 标题（英文）：Integrating WES and RNA-Seq Data For Short Variant Discovery
• 标题（中文）：整合 WES 和 RNA-Seq 数据以进行短变异发现
• 发表期刊：（预印版暂无期刊）
• 作者单位：Sequentia 生物技术有限公司
• 发表年份：2021
• 文章地址：https://doi.org/10.21203/rs.3.rs-847277/v1

图1 文献介绍

组学的整合具有巨大的潜力，可用于变异发现。已经开发了几种算法来以整合方式检测体细胞变异，但仍然没有胚系突变检测的策略。在此基础上，研究者开发了一种通过整合WES和RNA-seq数据来识别胚系突变的策略。这种整合策略从原始序列数据中识别短变异（SNP和插入缺失），将其分为六组以改善变异解释：强证据，仅DNA，仅RNA，等位基因特异性表达（ASE），RNA编辑和RNA挽救变异。研究者基于整合流程分析了四个样本，与仅使用 WES 数据相比，发现已识别变体的数量有所增加，但对性能没有太大影响，从而可以验证由两种类型的数据（强证据变体）识别的变体，并鉴定 RNA 编辑和 ASE。这种整合策略提供了一种从WES和RNA-seq数据中鉴定胚系SNP和插入缺失的方法，充分利用这两种组学可以扩大已识别变异的范围并进行变异验证。

在该整合分析流程中，研究者将Sentieon 工具中各模块进行了深度整合利用。Sentieon 工具的胚系突变发现流程为 DNA 和 RNA 层面的突变精确、快速检测提供了支持。

---

测序流程

图2 使用 WES 和 RNA-seq 数据进行变异鉴定的工作流程。工作流程主要包括三个步骤：A） WES 比对和变异检测。B）RNA-seq比对和变异检测。C）WES和RNA-seq数据的联合基因分型，变异过滤和分类

图3 Sentieon 的作用

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验，致力于解决生物数据分析中的速度与准确度瓶颈，为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案，共同推动基因技术的发展。 截至2023年3月份，Sentieon已经在全球范围内为1300+用户提供服务，被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用，引用次数超过700篇。此外，Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠，在业内获得广泛认可。

---

文献讨论

图4 文献讨论

RADIA工具侧重于利用RNA-seq数据来验证DNA测序中发现的体细胞变异，确保所有报告的变异都有DNA层面的证据支持，排除了仅基于RNA数据的变异调用，从而忽略了RNA编辑等特定变异类型。而VaDiR则采取相反策略，主要依赖RNA-seq数据来识别体细胞变异，DNA数据仅用于过滤掉种系变异，这种做法可能导致低频RNA-seq变异的遗漏，且未能充分开发结合两种数据类型以发现更多生物学意义的变异。

---

总结

综上所述，研究者提出的胚系突变整合方法增加了检测到的变体的数量，而对性能没有太大影响。整合方法还允许验证由两种类型的数据识别的变异，并通过将它们分为六组来改善变异的优先级：强证据、仅 DNA、仅 RNA、ASE、RNA 编辑和 RNA 挽救变异。