Sentieon | 每周文献 -Long Read Sequencing（长读长测序）- 第七期

长读测序系列文章-1

• 标题（英文）： PrecisionFDA Truth Challenge V2: Calling variants from short and long reads in difficult-to-map regions

• 标题（中文）： PrecisionFDA 真相挑战第二版：利用短读长和长读长在难比对区域进行变异检测

• 发表期刊： Cell Genomics

• 作者单位： 美国国家标准与技术研究院材料测量实验室、美国食品药品管理局、Sentieon 公司、谷歌公司等

• 发表年份： 2022

• 文章地址： https://doi.org/10.1016/j.xgen.2022.100129

PrecisionFDA 始于 2015 年，旨在支持美国食品药品管理局 （FDA） 在基因组学方面的监管标准制定，此后扩展到支持所有组学领域。precisionFDA 挑战框架是该平台最具对外特征的功能之一。该框架在面向公众的环境中举办生物数据挑战，并提供用于测试和验证的可用资源。第一届瓶中基因组（GIAB）-precisionFDA 真相挑战于 2016 年举办，项目要求参与者从两个 GIAB 样本的短读长数据中进行小型变异检测。HG001 样本（也作 NA12878）的基准测试先前公开过，但是 HG002 样本的基准测试未公开过。这使得 HG002 成为第一个盲法胚系突变挑战，公开的检测结果可以作为新的检测方法的比较点。

与第一次真相挑战集中在基因组简单区域不同，在本次挑战中，除了提供来自 illumina 的短读长数据外，还包括 Pacific Biosciences [PacBio] HiFi 和 Oxford Nanopore Technologies [ONT]的长读长数据，以评估各种数据类型的性能。本次基准测试涉及基因组重复区域和 MHC 等复杂区域。参赛者被要求利用 GIAB 德系犹太人的家系样本不同数据平台产出的数据进行变异检测，提交最终 VCF 格式变异检测结果。最终，20 支来自全球各地的团队提交了 64 个结果。

可以看到大部分提交都使用了深度学习算法，特别是在长读长数据处理中。另外，Sentieon 公司的提交在所有三中测序平台数据及所有基准测试、难比对区域及 MHC 区域等各方面均具有 top 级别表现。

综上所述，本次真相挑战凸显了在表征临床重要 MHC 位点方面、增加了基因组难比对区域的基准集、首次使用了盲法样本等诸多创新。通过比较各提交者的结果，发现与第一次真相挑战相比，某些方法针对于非盲样本可能存在过度拟合的情况。

长读测序系列文章-2

• 标题（英文）： The Gossypium herbaceum L. Wagad genome as a resource for understanding cotton domestication

• 标题（中文）： 作为了解棉花驯化的资源，印度棉（Gossypium herbaceum L. Wagad）基因组

• 发表期刊： G3 Genes/Genomes/Genetics

• 作者单位： 德保罗大学、爱荷华州立大学等

• 发表年份： 2022

• 文章地址： https://doi.org/10.1093/g3journal/jkac308

亚洲栽培棉是一种原产非洲和亚洲的棉花物种，是 2 个已驯化的二倍体物种之一，全世界 95%的种植棉花都起源于此。为了表征棉花变异和提高基因组资源准确性，研究人员对亚洲栽培棉的第一个驯化品种 Wagad 进行了测序和组装。染色体水平的基因组通过联合 PacBio 长读长测序技术、HiC 和 Bionano 光学图谱以及与已有棉花参考基因组进行比较后得到。通过比较 Wagad 品种与野生品种基因组和转录组层面的差异，阐明了棉花基因组在驯化过程中的变化，这将为棉花育种提供新的见解。

研究者通过将 PacBio 长读长数据进行组装后对基因组进行 repeat 和 gene 注释。然后，利用测序或者从公开发表文献中下载的棉花基因组数据进行比对、变异检测、联合基因分型对亚洲栽培棉和非洲亚种进行比较。此过程中，Sentieon DNAseq 模块被用于 illumina 数据的变异检测和联合基因分型。

综上所述，棉花是一种重要的纤维作物，经过多次独立驯化。在搞研究中，研究者报告了亚洲栽培棉 Wagad 品种的基因组序列。该序列补充了现有基因组组装和多样性研究，未了解棉花基因组结构和遗传多样性提供了基础，为二倍体棉花育种提供了额外的视角。

Sentieon 软件介绍

Sentieon 为完整的纯软件基因变异检测二级分析方案，其分析流程完全忠于 BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard 等金标准的数学模型。在匹配开源流程分析结果的前提下，大幅提升 WGS、WES、Panel、UMI、ctDNA、RNA 等测序数据的分析效率和检出精度，并匹配目前全部第二代、三代测序平台。

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。

软件试用：https://www.insvast.com/sentieon