如何進行WES的CNV分析

如何進行WES的CNV分析，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

基于全基因組數據來檢測CNV是非常有效的一個手段，然而全基因組的成本還是挺高的。全外顯子組在檢測SNP方面已經比較成熟，考慮到外顯子上的變異可能更具有致病性，科研人員也希望通過檢測外顯子上的CNV來實現一個高效，經濟的CNV檢測，很多的軟件被開發用于WES的CNV分析。

CNV區域的長度可能橫跨了多個外顯子或者基因，斷裂點位于外顯子以外的位置，所以全基因組分析中Read-pair, split-read的策略無法應用到WES的CNV分析中，只能通過read-depth的策略來進行分析。

然而和全基因組不同，全外顯子靶向捕獲了基因組的外顯子區域，考慮到GC含量，序列捕獲等系統誤差，其測序深度的分布和CNV之間的相關性更加復雜，建模衡量的難度更大，所以之前適用于WGS分析的CNV檢測軟件很多都不可以用于WES的分析。

為了有效減少系統誤差的影響，提高CNV檢測的準確率，很多WES的分析軟件都會需要一個對照樣本，將對照樣本和測試樣本進行比較來識別二者間差異的地方，從而回避系統誤差帶來的影響。同樣的protocol意味著同樣的系統誤差，而二者直接還存在的差異就是由于樣本本身的差異引起的了，這就是對照樣本的作用。所以WES的CNV檢測經典的用處就是檢測體細胞CNV,即SCNA變異，提供配對的癌和癌旁樣本來進行分析。

在以下文獻中，詳細列舉了幾種外顯子CNV檢測的軟件

https://academic.oup.com/bib/article/16/3/380/245577

根據是否需要對照樣本分成以下3大類

1. paired data, 需要配對的對照樣本

2. pooled data, 不需要對照樣本

3. paired and pooled data, 兩種策略都可以

1. paired data

軟件列表如下

1. ExomeCNV

2. Varscan2

3. Control-Freec

4. exome2cnv

5. PropSeg

   
   

2. pooled data

軟件列表如下

1. condex

2. exomeCOPY

3. cn.mops

4. conifer

5. ExomeDepth

6. XHMM

7. ExoCNVTest

8. Excavator

3. paired and pooled data

軟件列表如下

1. contar

2. ADTEx

3. FishingCNV

   
   

該文章發表于2014年，在之后又陸續發表了很多新工具，比如excavator, 2016年發表在Nucleic Acids Research上的文章介紹了excavator2進行CNV分析的強大之處，鏈接如下

https://academic.oup.com/nar/article/44/20/e154/2607979

不同工具算法模型都各不相同，各有優劣，在2014年發表的一篇文章對多個軟件進行了評估，標題如下

在文章中，列舉了很多CNV分析的軟件，示意如下

最終選取了以下4款軟件來進行評估

1. XHMM

2. CoNIFER

3. ExomeDepth

4. CONTRA

   
   

從以下多個方面進行了評估

1. CNV長度和分布

不同軟件檢測到的CNV長度分布不同，結果統計如下

CNV的長度可以從幾十bp跨越到幾Mb的范圍，通常認為小于300bp和長度在6kb左右的CNV應該是數量最多的。WES的CNV檢測工具都是基于read-depth算法，采用滑動窗口的方法，窗口越大，最終鑒定出來的CNV可信度越高，所以在檢測小片段的CNV方面，能力較差。

從統計結果可以看出，Conifer沒有鑒定出1kb以下的CNV, 因為這款軟件要求CNV至少需要覆蓋3個exon區域，XHMM和ExomeDepth則可以同時檢測小片段和大片段的CNV, CONTRA檢測出來的數量過多，是由于其校正read-depthh的算法過于敏感，所以鑒定出來的CNV過多，在檢測小于1kb的小片段CNV時，比較適合。

不同軟件鑒定到的CNV的數量和類型展示如下

2. 和WGS的一致性

采用了cnvnator和ERDS兩款軟件對WGS數據進行CNV檢測，然后和WES的結果進行一致性分析，以exon為單位進行評估，當一個exon 50%以上的區域落在CNV區域時進行計算，比較不同軟件檢測到的exon和WGS數據exon的overlap情況，結果如下

盡管都很低，但是很明顯ExomeDepth overlap率最高，接下來是XHMM。

3. 和Common CNV的一致性

利用1000G項目中在人群中頻率大于5%的cnvs作為common cnv, 采用上述的方法評估不同軟件和common cnv的一致性，結果和WGS一致，也是ExomeDepth最高，XHMM次之。

4. Mendelian Error Rate評估

通常情況下denovo CNV的概率是非常低的，將denovo CNV作為Mendelian Error Rate的指標，對個體及其雙親同時進行CNV分析，評估denovo cnv的頻率，結果如下

每個軟件不符合孟德爾遺傳的CNV比例都很高，conifer最高，而CONTRA最低。

5. deletion CNV的假陽性檢測

對于deletion CNV而言，其染色體區域只剩下一份拷貝，在該區域內的SNV必然為純合性的，所以將包含了雜合SNV的CNV區域作為假陽性的結果，考慮到SNP分型的準確率，將同時滿足以下兩個條件的缺失區域定義為假陽性的結果

1. 包含了2個以上的雜合SNP

2. 20%以上的SNP位點為雜合

   
   

拷貝數缺失的假陽性統計結果如下

6. 不同軟件之間的一致性

基于exon水平來統計不同軟件之間的一致性，結果如下所示

綜合以上6個指標來看，沒有哪個軟件是全面優于其他軟件的，在不同指標上，不同軟件各有優劣。

在進行WES的CNV檢測時，基于一款軟件的結果很難兼顧靈敏度和特異性，最好的方法還是結合多款軟件的結果進行判斷。

看完上述內容，你們掌握如何進行WES的CNV分析的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！