上海交大吕晖课题组开发出基因组二代测序数据质控新方法

近日，国际知名期刊《Communications Biology》在线发表了上海交大吕晖教授课题组题为“FVC as an adaptive and accurate method for filtering variants from popular NGS analysis pipelines”的最新研究成果。该研究提出了一种新的基因组二代测序数据质量控制方法，有效提升了二代测序检出的基因变异的可靠性。上海交大生命科学技术学院博士毕业生任永永、孔艳博士后为共同第一作者，生命科学技术学院吕晖教授和赵宏宇教授为共同通讯作者。

全基因组二代测序技术已广泛应用在儿科遗传疾病诊断、肿瘤基因组图谱分析、全基因组关联分析等基因组研究领域，但由于测序和分析误差，检出的SNV和INDEL变异类型中存在大量假阳性变异，给基因组图谱分析和遗传疾病的鉴别诊断带来了较大的噪声干扰。目前已有多个方法可用于过滤二代测序检出的假阳性变异，例如Frequency、Hard-Filter、 VQSR、GARFIELD和VEF，但这些方法在过滤假阳性变异的同时，损失了数倍的真变异，严重干扰了下游的遗传疾病诊断和分子功能研究。

为解决上述问题，吕晖团队构建了自适应过滤方法FVC (Filtering for Variant Calls)，用于对不同遗传变异分析软件（例如GATK HaplotypeCaller、Mutect、Varscan和DeepVariant）检出结果中的假阳性变异进行过滤。

研究结果显示，相较于其它过滤方法，新方法FVC过滤掉了更多的假阳性变异，同时召回了其它过滤方法遗漏的~51-99%真阳性变异，当使用评价指标OFO（Odds of false omission, 损失的真阳性变异个数与过滤掉的假阳性变异个数之比，又名真阳性损失比）进行性能评价时，FVC将真阳性损失比OFO从0.05-1661.28降低至0.02-0.57。为排除潜在的数据泄露和过拟合导致的评估偏差，分别使用留一染色体交叉验证(leave-one-chromosome-out cross-validation)、留一个体交叉验证(leave-one-individual-out cross-validation)和独立测试集进行验证，FVC同样获得了最佳性能。

该工作得到上海交通大学高性能计算中心（HPC）、沈南鹏上海交通大学“医学研究基金”和中国国家重点研发计划（2018YFC0910500）的支持。

论文链接：https://www.nature.com/articles/s42003-022-03397-7