《Scientific Reports》：ConsensuSV-ONT – A modern method for accurate structural variant calling
編輯推薦：
結構變異（SVs）檢測對疾病研究至關重要，但牛津納米孔（ONT）長讀長測序工具有限。本研究開發 ConsensuSV-ONT 算法，整合 6 種 SV 檢測工具及卷積神經網絡（CNN）過濾變異。結果顯示其性能優于單一工具，為 ONT 數據 SV 分析提供高效方案。
基因組學研究中，結構變異（Structural Variants, SVs）作為長度大于 50 堿基對的基因組改變，與多種疾病的發生機制密切相關。然而，現有針對牛津納米孔（Oxford Nanopore, ONT）長讀長測序技術的結構變異檢測工具有限，且不同算法存在偏差，單一工具難以兼顧準確性與全面性。如何整合多工具結果、提升 ONT 數據中結構變異檢測的可靠性，成為領域內亟待解決的問題。
為此，華沙理工大學（Warsaw University of Technology）與華沙大學（University of Warsaw）等機構的研究人員開展了相關研究，開發了全新的 ConsensuSV-ONT 算法，并在《Scientific Reports》發表研究成果。該研究旨在通過整合多工具共識與機器學習技術，構建適用于 ONT 數據的高效結構變異檢測流程，為下游疾病關聯分析提供高質量數據基礎。
研究主要采用以下關鍵技術方法：
- 多工具整合流程：利用 CuteSV、Sniffles2、SVIM 等 6 種長讀長測序結構變異檢測工具生成候選變異集，通過 Truvari 工具合并結果并去除重疊變異。
- 卷積神經網絡（CNN）模型：將變異區域編碼為 50×50×3 的圖像矩陣，分別訓練針對缺失（DEL）和插入 / 重復（INS/DUP）的分類模型，以過濾高質量變異。
- 自動化 pipeline：基于 Nextflow 構建 Docker 容器化流程，支持從原始 ONT 數據到最終變異列表的全流程自動化處理，實現多樣本并行計算。
研究結果
1. ConsensuSV-ONT 流程概述
算法分為四個階段：
- 候選變異生成：通過 6 種工具檢測變異，經 Truvari 合并去重后形成非重疊候選集。
- 變異標注：利用 Truvari bench 模塊將變異分為真實陽性（TP）和假陽性（FP）集合，用于模型訓練。
- 圖像編碼：將變異區域的比對信息編碼為 RGB 圖像，保留映射、缺失等關鍵特征。
- CNN 訓練：采用三樣本交叉驗證，獨立訓練 DEL 和 INS/DUP 模型，以 0.5 為概率閾值區分真假變異。
2. 檢測性能評估
在 HG00733、HG00514、NA19240 三個數據集上，ConsensuSV-ONT 的 F1 分數顯著優于單一工具及現有方法（如 cnnLSV）。例如，在缺失檢測中，其 F1 分數達 0.6577-0.6733，遠超 CuteSV（0.3418-0.3844）和 Sniffles（0.4489-0.4971）。合并工具結果雖提升召回率，但精度較低，而 ConsensuSV-ONT 通過 CNN 過濾有效平衡了精度與召回率。
3. 測序方法差異與編碼分析
對比 ONT、PacBio、Illumina 數據的變異編碼圖像發現，ONT 數據在大缺失檢測中表現更穩定，而 PacBio 數據因片段化嚴重可能導致模型誤判。例如，在 9637 bp 缺失檢測中，Illumina 因 reads 映射不足無法識別，僅長讀長技術（ONT、PacBio）能正確檢測，顯示 ONT 在復雜變異檢測中的優勢。
4. 假陽性分析
研究發現假陽性來源包括：
- 鄰近變異合并：GROUND TRUTH 中多個鄰近缺失被算法誤判為單一變異。
- 映射偏差：ONT 與 PacBio 數據的比對差異導致變異定位偏移。
- 新變異不確定性：部分 ONT 檢測到的變異未被其他技術驗證，需進一步實驗確認。
結論與討論
ConsensuSV-ONT 通過整合多工具共識與 CNN 過濾，顯著提升了 ONT 長讀長測序中結構變異檢測的準確性，尤其在缺失和插入檢測中表現優異。其自動化 pipeline 和容器化部署降低了使用門檻，為非生物信息學背景的研究者提供了便捷工具。該方法不僅為 ONT 數據的結構變異分析提供了新范式，也為大規模人群基因組研究（如基于 ONT 的群體測序計劃）奠定了基礎，有望推動疾病相關結構變異的精準識別與機制研究。
研究同時指出，不同測序技術的變異檢測性能差異顯著，未來需進一步優化跨平臺模型訓練，以提升變異檢測的通用性。ConsensuSV-ONT 的問世標志著 ONT 技術在結構變異研究中的應用邁出重要一步，其在疾病關聯分析、精準醫學等領域的潛力值得期待。
