科學家開發高性能大片段插入刪除變異鑒定工具

　　10月13日，華中農業大學生物信息團隊楊慶勇課題組聯合新加坡國立大學Sung Wing-Kin（宋永健）課題組在《核酸研究》（Nucleic Acids Research）在線發表論文，開發出高性能的大片段插入刪除變異（InDel）鑒定工具IndelEnsembler，使大片段InDel鑒定準確性由45%提高到84%。

　　鑒定準確性提高

　　遺傳變異是指一個群體中個體之間DNA序列的差異，主要包括點突變（SNP/單核苷酸多態性）、小片段InDel和結構變異（包括大片段InDel、染色體倒位、易位和拷貝數變異）。基因組上的遺傳變異是人類遺傳病產生的根源，也是動植物形態、表型多樣性的遺傳基礎。因此，SNP被廣泛應用于群體遺傳學研究和疾病相關基因的研究。但越來越多的研究表明，SNP并不能解釋所有的表型差異，在人類中有超過1000種疾病由結構變異導致，其中不乏人們常常耳聞的漸凍癥、精神分裂癥以及自閉癥等。近年來，隨著二代測序技術的蓬勃發展，越來越多的研究開始關注結構變異。

　　在植物中，大量遺傳學和分子生物學證據表明，大片段InDel在解釋影響一系列重要農作物的表型變異中起主要作用。例如，黃瓜基因組上一個大片段DNA序列拷貝數變化可以決定黃瓜性別，包含該變異的黃瓜產量約為普通黃瓜的15倍。蟠桃因其果形獨特、味甜多汁而受到人們喜愛，研究發現蟠桃基因組中含有一個1.67 Mb的倒位，而普通桃中則沒有。但是，目前鑒定到的表型相關的大片段InDel的數量遠遠小于SNP，其主要原因是現有的方法不能精確鑒定基因組上的大片段InDel。

　　論文通訊作者楊慶勇介紹，該研究通過整合4個已發表的方法，開發出高性能的大片段InDel鑒定工具IndelEnsembler，并將其應用于由1047個擬南芥品系構成的自然群體中，通過全基因組關聯分析（GWAS）鑒定到與重要性狀相關的、新的大片段InDel。

　　相比于目前鑒定InDel性能最佳的兩個軟件GRIDSS和Manta，IndelEnsembler在不同物種及不同測序深度下均有很好的性能。相比于擬南芥中已開發的工具AthCNV，IndelEnsembler在鑒定缺失變異（DEL）和重復變異（DUP）時準確性分別提高1倍和30%。

　　提供重要資源

　　大片段InDel在擬南芥基因組上的分布不均勻且與轉座子的分布呈現極顯著正相關，80%~96%的染色體著絲粒區域被InDel覆蓋。大片段InDel傾向于分布在基因間區以及非編碼基因上。擬南芥基因組上有13102個基因受到大片段InDel的影響，但這些基因主要是未知功能的基因，說明大片段InDel影響的基因大部分為非核心基因。現有研究表明，非核心基因與水稻、玉米等重要農作物的適應性、品質和馴化等性狀密切相關。此外，大片段InDel影響的基因更多的分布在基因組上的串聯重復區域，說明基因組上的串聯重復區域為不穩定區域會積累更多的變異。

　　有48.91%的DEL與周圍的SNP具有低連鎖不平衡，說明IndelEnsembler鑒定到了大量新的基因組變異，為挖掘影響擬南芥性狀相關的基因組變異提供了重要資源。

　　例如，該研究鑒定到的一段377 bp的DEL造成開花期相關基因FRI第一個外顯子上65 bp的缺失，含有該缺失的材料開花期提前。另外該研究還鑒定到AT1G11520基因上的一段182 bp缺失，含有該缺失的材料開花期推遲。值得注意的是，上述兩段缺失不能在同一個材料中出現，而且所有北瑞典地區的材料AT1G11520基因上均含有該182 bp的缺失。

　　這些結果說明，擬南芥中仍然存在不少未知的基因組變異，IndelEnsembler鑒定到的大片段InDel可以作為擬南芥中表型相關的基因組變異數據集的一個補充。

　　相關論文信息：https://doi.org/10.1093/nar/gkab904