Accurate detection of complex structural variations using single-molecule sequencing.
Accurate detection of complex structural variations using single-molecule sequencing.
复制标题
DOI：
10.1038/s41592-018-0001-7
复制
发表时间：
2018-06
期刊：
影响因子：
48
通讯作者：
Schatz MC
中科院分区：
文献类型：
--
作者：
Sedlazeck FJ;Rescheneder P;Smolka M;Fang H;Nattestad M;von Haeseler A;Schatz MC
结构变异（SV）是遗传变异的最大来源，但由于基因组学技术有限，人们对它仍然知之甚少。 Pacific Biosciences 和 Oxford Nanopore 的单分子长读长测序有潜力极大地推进该领域的发展，尽管它们的高错误率对现有方法提出了挑战。为了满足这一需求，我们引入了用于长读比对（NGMLR，https://github.com/philres/ngmlr）和 SV 识别（Sniffles，https://github.com/fritzsedlazeck/Sniffles）的开源方法，这些方法实现了前所未有的 SV 灵敏度和精度，包括在重复丰富的区域和复杂的嵌套事件中， 对人类疾病有重大影响。通过检查多个数据集，包括健康和癌症人类基因组，我们使用长读长发现了数千种新变异，并对短读长方法中的系统错误进行了分类。 NGMLR 和 Sniffles 还能够自动过滤错误事件并在低覆盖范围内运行，以解决阻碍长读在临床和研究环境中应用的成本因素。
Structural variations (SVs) are the largest source of genetic variation, but remain poorly understood because of limited genomics technology. Single molecule long-read sequencing from Pacific Biosciences and Oxford Nanopore has the potential to dramatically advance the field, although their high error rates challenge existing methods. Addressing this need, we introduce open-source methods for long-read alignment (NGMLR, https://github.com/philres/ngmlr) and SV identification (Sniffles, https://github.com/fritzsedlazeck/Sniffles) that enable unprecedented SV sensitivity and precision, including within repeat-rich regions and of complex nested events that can have significant impact on human disorders. Examining several datasets, including healthy and cancerous human genomes, we discover thousands of novel variants using long-reads and categorize systematic errors in short-read approaches. NGMLR and Sniffles are further able to automatically filter false events and operate on low amounts of coverage to address the cost factor that has hindered the application of long-reads in clinical and research settings.
登录
查看更多内容
影响因子：
7
作者：
Huddleston J;Chaisson MJP;Steinberg KM;Warren W;Hoekzema K;Gordon D;Graves-Lindsay TA;Munson KM;Kronenberg ZN;Vives L;Peluso P;Boitano M;Chin CS;Korlach J;Wilson RK;Eichler EE
通讯作者：
Eichler EE
影响因子：
3.3
作者：
Imprialou M;Kahles A;Steffen JG;Osborne EJ;Gan X;Lempe J;Bhomra A;Belfield E;Visscher A;Greenhalgh R;Harberd NP;Goram R;Hein J;Robert-Seilaniantz A;Jones J;Stegle O;Kover P;Tsiantis M;Nordborg M;Rätsch G;Clark RM;Mott R
通讯作者：
Mott R
影响因子：
7
作者：
Eberle, Michael A.;Fritzilas, Epameinondas;Bentley, David R.
通讯作者：
Bentley, David R.
影响因子：
7
作者：
Kielbasa, Szymon M.;Wan, Raymond;Frith, Martin C.
通讯作者：
Frith, Martin C.
影响因子：
48
作者：
Chin, Chen-Shan;Peluso, Paul;Schatz, Michael C.
通讯作者：
Schatz, Michael C.