CNV变异分析策略介绍

CNV简介：

拷贝数异常(copy number variations, CNVs)是属于基因组结构变异（structural variation），根据大小可分为两个层次：显微水平（microscopic）和亚显微水平(submicroscopic)。显微水平的基因组结构变异主要是指显微镜下可见的染色体畸变, 包括 整倍体或非整倍体、缺失、插入、倒位、易位、脆性位点等结构变异。亚微水平的基因组结构变异是指 DNA 片 段 长 度 在 1Kb-3Mb 的基因组结构变异, 包括缺失、插入、重复、重排、倒 位、DNA 拷贝数目变化等，这些统称为 CNV （也称为拷贝数多态性(copy number polymorphisms, CNPs）。

CNV 检测策略：

对于分析CNV，目前已经开发出了很多的检测软件。经典策略为Read-pair, split-read，read-depth和assembly。先简单介绍一下这四个策略的原理:

Read-pair（RP）:

• 原理：RP是最早出现的算法，利用双端测序插入片段长度分布来检测CNV， 也称之为PEM，pair end mapping方法。当插入片段长度过长或者过短（高于或低于阈值）时，说明相比于参考基因组来说，样本基因组结构出现了插入或者缺失。
• 缺陷：受到测序读长的影响，该方法适用于检测中等长度的insertion和deletion, 对过小的插入不敏感，而且比较依赖比对的准确性，无法分析低复杂度的segmental duplication区域。
• 软件：BreakDancer、PEMer、Ulysses。

Split-read（SR）：

• 原理：对于长片段缺失或插入，在于参考基因组比对时，会出现比对不上的情况。SR方法利用一端能够比对，另外一端比对不上的reads来识别CNV。另外一端比对不上，可能是存在CNV, 通过将单独的reads进行拆分，使其能够正确比对到参考基因组上，拆分的点就是CNV的断裂点。
• 缺陷：只利用了单端reads, 读长进一步受到限制，所以该方法只适用于检测小规模的插入和缺失。另外，该策略也依赖比对结果的准确性。
• 软件：Pindel，PRISM，SVseq2，Gustaf。

Read-Depth(RD)：

• 原理：RD方法的原理基于检测区域拷贝数和其测序深度的相关性进行分析。一般情况下，缺失表示该区域的测序深度较低，插入区域的测序深度则相反。对应检测区域，采用滑窗的方式进行测序深度分布统计，由于测序对于不同GC含量的区域会有一定的偏好性，因此在统计时需要用利用gc含量在校正区域原始的测序深度。该算法采用滑动窗口的方式，统计每个窗口内的矫正后测序深度分布，利用校正之后的RD值，对邻近的bin进行聚类，理论上聚为一类的bin具有相同的cnv拷贝数。该方法一般需要与基线进行比较，对CNV做出更为准确的判断。该理论为主流的分析策略。
• 缺陷：滑动窗口的大小对结果影响较大，当窗口很大时，一些长度很短的CNV信号就会被掩盖。
• 软件：CNVnator，ERDS，ReadDepth，CNVrd2，CNVkit，ExomeDepth，DECoN等。

Assembly（AS）：

• 原理：AS方法利用测序得到的短序列进行组装，将组装的contig与参考基因组进行比较，从而确定发生了结构变异的区域。
• 缺陷：组装的精确依赖测序读长和算法的准确度，而且组装对硬件资源的消耗特别大，并不是一个理想的CNV检测的算法。

参考：
https://cloud.tencent.com/developer/article/1556091