- 综合排序
- 最热优先
- 最新优先
Sentieon | 泛基因组相比传统变异检测的优势
泛基因组图谱能容纳SNV、Indel、CNV、倒位等各类变异，能覆盖节段重复序列（SDs）这一传统“盲区。 二、显著提升变异检出能力与准确性23年的一篇综述[1]明确指出，以泛基因组替代GRCh38作为比对参考后，变异检测性能获得飞跃式提升：小变异（SNV/Indel）检测错误率降低34%：因图结构可将 reads 发现78,072个SVs，其中34,223个为全新变异。鉴定出与角质化、紫外线响应、DNA修复、免疫及寿命调控相关的新基因/等位基因，部分源于古菌水平基因转移。 这直接避免了临床误诊，彰显泛基因组在人群特异性变异解读中的不可替代性：没有足够多样化的泛基因组，罕见病诊断与遗传咨询将长期受制于“欧洲中心主义”偏见。 Sentieon软件介绍Sentieon为完整的纯软件基因变异检测二级分析方案，其分析流程完全忠于BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard等金标准的数学模型
23110编辑于 2025-11-24- 来自专栏小明的数据分析笔记本
大肠杆菌全基因组重测序变异检测小实例（侧重变异过滤）
reads_R1.fastq sim_3_reads_R2.fastq -N指定生成reads的条数 -1 -2生成reads的长度 接下来是参考序列 接下来是fastq文件的名字 使用samtools变异检测获取 vcf文件 这一部分参考文章 GATK4.0和全基因组数据分析实践（上） Variant calling tutorial 基本流程： bwa比对 samtools变异检测 完整代码 ###构建索引 bwa 这里遇到的问题：samtools加上bcftools检测变异的各个参数的含义还不太明白！ 接下来重复原文内容 查看vcf文件中检测到多少没有经过过滤的变异 bcftools view -H sim_variants_3sample.vcf | wc -l 6918 通常获得的vcf文件都比较大 image.png 从上图可以看出我们的位点质量值是偏低的，因为数据量比较小，位点质量值30代表检测出来的变异有千分之一的可能是错误的，推荐过滤变异的时候设置位点质量值大于30。
2.1K10发布于 2020-03-03 - 来自专栏生信喵实验柴
GATK变异检测
merge.markdup_metrics.txt -O merge.sorted.markdup.bam samtools index merge.sorted.markdup.bam Duplication 对变异检测的影响 samtools flagstat merge.sorted.markdup.BQSR.bam #建立索引 time samtools index merge.sorted.markdup.BQSR.bam 五、变异检测 2、Omni，这个数据源自 Illumina 的 Omni 基因型芯片，它的验证结果常常作为基因型的金标准。 3、1000G 千人基因组计划（1000 genomes project）质控后的变异数据，质控后，它包含的绝大部分都是真实的变异，但由于没办法做全面的实验验证，并不能排除含有少部分假阳性的结果。 dbSNP 收集的数据，实际都是研究者们发表了相关文章提交上来的变异，这些变异很多是没做过严格验证的。
92010编辑于 2023-09-04 - 来自专栏新智元
谷歌开源DeepVariant，之前的经典检测基因变异法将被颠覆
来源：research.googleblog.com 编译：马文 【新智元导读】今天，谷歌开源了DeepVariant深度学习模型，这是将基因组中的识别变异（variant calling）任务转换为图像分类问题的基因组学工具 DeepVariant将识别变异（variant calling）任务，即基因组中的重构问题转化为适合谷歌现有技术和专业知识的图像分类问题。 ? 以上4个图像都是与参考基因组对齐的实际测序仪reads的可视化。一个关键的问题是如何使用这些reads来确定在两条染色体上存在变异，还是仅存在一条染色体上，还是在两条染色体上都不存在变异。 有不止一种类型的变异，其中SNP和插入/缺失变异（insertion/deletion ）是最常见的。 A：一对染色体上真正的SNP；B：一条染色体上的缺失；C：两条染色体上的缺失；D：由于错误引起的变异。用这种方式进行可视化时，很容易看出这些变异的差别。
1.5K60发布于 2018-03-21 - 来自专栏生信菜鸟团
基因组研究和变异检测领域的重要工具—GATK初识
GATK的主要功能包括针对单核苷酸多态性(SNPs)和小型插入删除(indels)的变异检测，质量控制，以及数据处理和分析。 GATK以其强大的变异发现管道而闻名，特别是在人类基因组研究中。 其流程通常包括几个步骤：原始数据的预处理，比对到参考基因组，变异检测，以及变异质量的校准和过滤。GATK还提供了一系列工具用于特定分析，如拷贝数变异(CNVs)分析和联合基因分型。 DePristo DOI：10.1002/0471250953.bi1110s43 简述：详细描述了GATK最佳实践工作流，为用户提供了一套标准的分析步骤，以确保高质量的变异检测 3如何安装 GATK是用 ： 对单个样本或群体样本进行基因分型 联合基因分型多个样本 群体遗传学分析（如等位基因频率，杂合性等） 深度学习工具： 使用深度学习模型改善变异调用（如DeepVariant） 其他分析： 覆盖度分析 遗传连锁不平衡分析 结构变异检测 5资源准备 在使用GATK进行全外显子测序（Whole Exome Sequencing, WES）分析之前，通常进行一系列准备工作以确保分析的顺利进行和结果的准确性，
1.9K10编辑于 2024-01-06 - 来自专栏生信修炼手册
breakdancer检测结构变异
breakdancer 是一款结构变异检测软件， 专门针对双端测序数据进行开发，github地址如下 https://github.com/genome/breakdancer 分析原理图如下 ? 从原理图可以看出，breakdancer 会根据双端reads的比对情况，检测以下5种类型的结构变异 insertions deletions inversions inter-chromosomal 生成配置文件 输入文件为比对基因组产生的bam文件, 用法如下 bam2cfg.pl tumor.bam normal.bam > config.txt 配置文件中，每个样本对应一行记录，包含以下特征值 鉴定结构变异 用法如下 breakdancer_max -t -q 10 -d sv.reads config.txt > sv.out 结构变异的检测计算量较大，所以需要的时间也很久。 ，DEL代表缺失，INS代表插入，INV代表倒位，ITX代表同一染色体上的易位，CTX代表不同染色体之间的易位；第8列代表结构变异的长度，对于染色体间的易位，这个数值没有含义；第9列代表该结构变异可信度的打分值
1.5K20发布于 2020-05-11 提升基因变异检测准确性的GPU加速技术与pangenome方法
使用某中心Parabricks提升变异检测准确性专为数据科学家和生物信息学家设计的某中心Parabricks是一个可扩展的基因组学二级分析软件套件。 使用DeepVariant和DeepSomatic 1.9改进变异检测变异检测是基因组分析的关键步骤。它能识别样本基因组（例如个体或群体）与参考基因组之间的差异。 目前有各种各样的工具用于变异检测，包括来自Broad研究所的基因组分析工具包（GATK）中的HaplotypeCaller和Mutect2。 这种综合方法减少了参考偏差，改善了跨人群的变异检测，并支持更准确和公平的基因组分析。由加州大学圣克鲁兹分校研究人员开发的软件工具Giraffe，能够实现对pangenome图的高效读段比对。 Giraffe将基因组序列比对到参考pangenome，而不是传统的线性参考，从而提高了跨不同人群的变异检测准确性。
19010编辑于 2025-12-25知识扩展--基因变异与基因表达量之间的关系
作者，Evil Genius今天我们知识扩展，分析一下基因变异与表达量之间的关系，以及为什么癌细胞突变（例如BRAF V600E等）的单细胞数据可以通过CNV的方式检测癌细胞。 首先来看第一部分，基因变异（主要是突变）与基因表达量的关系关键区别：表达量 vs. 活性这是理解整个问题的核心：表达量：可以理解为 “数量”。即细胞里有多少BRAF分子。 总结为什么单细胞可以用inferCNV检测携带BRAF V600E的癌细胞？不是因为 inferCNV 检测到了 BRAF V600E 本身。 而是因为 BRAF V600E 作为一种驱动突变，会导致细胞基因组不稳定，从而产生广泛的拷贝数变异（CNV）。 InferCNV 是一个出色的工具，用于检测这种基因组不稳定的间接标志，从而将基因组混乱的癌细胞（无论其驱动突变是什么）与基因组稳定的正常细胞区分开来。
19720编辑于 2025-10-15课前准备---单细胞数据检测SNV（变异、插入、缺失、等位基因连锁）
作者，Evil Genius 单细胞检测变异的分析已经分享了很多，全部发的高分文章。 尽管这种类型的数据包含了细胞转录组的丰富信息，但大多数研究只关注基因表达，而没有处理其他重要方面，如单核苷酸变异(SNV)或等位基因特异性表达。 检测框架 分析示例，细胞系的检测可靠性 分析示例，检测变异之间的联动性，即等位基因连锁分析 尽管单个细胞的测序深度有限，但典型的scRNA-seq数据集包含大量细胞。 因此，合并来自多个细胞的数据可以有效地增加可测试事件的数量，用于遗传变异和剪接之间的连锁分析。 分析示例：单细胞SNV检测揭示了肺癌细胞中核苷酸变异和等位基因特异性剪接事件 分析示例：癌症和正常细胞表现出独特和不同的等位基因特异性剪接事件 代码示例 scAllele -b file.sorted.bam
55320编辑于 2024-09-06- 来自专栏生信菜鸟团
使用 Manta 检测结构变异--肿瘤基因组测序数据分析专栏
简介 Manta 是 illumina 公司开发的一款用于检测结构变异 Structural Variant 和 Indel 的软件，Manta 检测 SV 和 Indel 分为两个主要步骤：（1）扫描基因组以找到 其输出的结果可以作为 strelka 的输入，以提高 strelka 对 indel 检测的准确性。 值得注意的事，该软件既可以用于 germline SV 的检测（家系样本），也可以用于 Somatic SV 的检测（肿瘤样本） 下载安装 该软件支持多种安装方式，如果要从源码安装，则需要解决环境问题如 Manta 得到的结构变异的 vcf 文件，和普通的 SNVs/INDELs 突变格式大致相同，但结构变异的 vcf 文件的第3列记录发生结构变异的类型：INS、DEL、DUP、BND 其中不同类型的变异记录方式略有不同 ，可以通过 vcf 文件第 3 列来判断发生变异的类型： INDEL：如果检测到变异为 INDEL，片段长度一般不超过 1000 bp，且在 INFO 列还会记录 CIGAR值用以描述插入或者缺失的情况
6.1K20编辑于 2022-05-24 - 来自专栏生信探索
基因序列变异信息VCF (Variant Call Format)
例如基因组中的单碱基突变,SNP， 插入/缺失INDEL, 拷贝数变异CNV，和结构变异SV等，都是利用VCF格式来存储的。将其存储为二进制格式就是BCF。 s)；参考染色体的碱基第5列：ALTalternate base(s； 与参考序列比较，发生突变的碱基，可以有多个值，每个值用逗号分隔第6列：QUAL quality；Phred标准下的质量值，表示该变异位点的可靠性 ，可以理解为所call出来的变异位点的质量值。 第7列：FILTERfilter status；使用其它的方法进行过滤后得到的过滤结果，可以是 PASS 或 FAIL或者空值用.表示没有经过过滤第8列：INFO用于存储附加信息，例如变异类型、覆盖深度 位点的reads数为16=12+4GQ=64：GT=0/1（即基因型为G/C）时的质量值为64PL=64,0,281：最有可能的GT是0/1（即基因型为G/C），对应PL值为0，概率为1#CHROM
1.5K41编辑于 2023-05-23 - 来自专栏小明的数据分析笔记本
minimap2+svim-asm+SURVIVOR流程基于基因组组装做结构变异检测
代码主要参考 GraffiTE 的代码，链接https://github.com/cgroza/GraffiTE/blob/main/main.nf这个工具是利用二代测序数据给TE做基因型分型然后研究TE 前面的步骤是基于组装好的基因组进行比对检测结构变异。我们把这部分代码拆出来学习一下。 Sha.sorted.bam samtools index Kyo.sorted.bam samtools index Ler.sorted.bam samtools index Sha.sorted.bam 检测结构变异
67910编辑于 2024-06-07 - 来自专栏简说基因
基因变异注释工具到底该怎么选
ANNOVAR、SnpEff和VEP是基因变异注释领域的三大主流工具，它们在功能上各有特点和优势，适用于不同的应用场景。以下是它们的功能对比： 1. ANNOVAR • 功能特点： • 支持单核苷酸变异（SNV）、插入/缺失（INDEL）以及复杂结构变异的注释。 • 提供多种注释数据库，涵盖基因组位置、保守区域、功能预测等。 VEP（Variant Effect Predictor） • 功能特点： • 不仅注释变异的基本信息，还能预测变异对基因功能的影响，包括对蛋白质结构和功能的预测。 • 输出结果包含广泛的基因和转录本相关信息，帮助研究人员全面了解变异的生物学意义。 • 优势： • 注释信息全面：提供详细的变异功能影响、频率、疾病相关性等信息。 功能对比总结 特点/工具 ANNOVAR SnpEff VEP 变异类型支持 SNV、INDEL、复杂结构变异 SNP、小Indel SNP、Indel 注释内容 基因位置、功能预测等 编码区/非编码区影响
54100编辑于 2025-03-03 - 来自专栏简说基因
DeepVariant：引领变异检测新时代
生物信息学数据分析过程中，变异检测一直是一个备受瞩目的领域。随着基因测序技术的飞速发展，如何从海量的测序数据中准确、高效地检测出变异成为了研究者们亟待解决的问题。 在这样的背景下，DeepVariant——一款基于深度学习的变异检测软件应运而生，为变异检测领域带来了新的曙光。 一、变异检测软件的现状与不足 在DeepVariant出现之前，GATK等传统变异检测软件一直是市场的主力军。 通过借鉴这些成功经验，谷歌的研究者们将深度学习技术引入到变异检测领域，成功开发出DeepVariant这款全新的变异检测软件。 它充分利用了深度学习技术的优势，能够自动从复杂的基因组数据中学习和识别出变异位点，大大提高了变异检测的准确性和效率。
51510编辑于 2024-07-09 - 来自专栏三代测序-说
全基因组 - 人类基因组变异分析（PacBio) （1）
人类基因组变异分为单核苷酸或单碱基变异SNV/SNPs (single nucleotide variation,SNV; single nucleotide polymorphisms, SNPs)， 图片 短读长测序（二代测序）数据对于50-80%的结构变异是无法测到的（测序技术本身原因）。 图片 三代测序本身因为长读长，能够改善二代测序难以检测或者准确检测的突变区域和类型。 图片 因此，三代测序技术（长度长）能解决基因组上二代测序无法解决的痛点，以下是一些三代测序在人类遗传学和疾病方向的应用场景（有待进一步完善）： 复合免疫基因对疾病相关研究的影响（ MHC基因复合物含有大量拷贝数变异 癌症基因组还包括大规模结构变异，例如大的插入、缺失、逆转、重复、易位和基因融合, 使得三代测序及分析能够提供有关癌症基因组复杂性最全面的观点。 本次以人类基因组重测序变异分析为引，先分享PacBio的分析流程，然后是ONT平台的分析流程，还会加入串联重复序列，染色体分型，拷贝数变异，融合基因以及基因组甲基化修饰的分析。
82350编辑于 2023-10-19 - 来自专栏简说基因
基准测试：DeepVariant进行WES变异检测
本文以人 WES 测序数据为例，演示 DeepVariant 软件进行变异检测的基准测试过程。 工具地址： usegalaxy.cn 网站，搜索工具：DeepVariant 数据下载 瓶中基因组基准数据 我们将使用瓶中基因组小变异基准数据集 v4.2.1 对 HG003 样本进行基准测试。 exome-case-study-testdata curl ${HTTPDIR}/idt_capture_novogene.grch38.bed > input/idt_capture_novogene.grch38.bed 参数设置 • 参考基因组来源
46010编辑于 2025-04-02 - 来自专栏简说基因
基因变异注释三巨头：ANNOVAR、SnpEff和VEP
昨天我们介绍了微生物变异检测工具 Snippy 的使用。大家如果看文档可以发现，Snippy 不仅可以检测变异，还能对变异进行注释。 ANNOVAR 功能特点：ANNOVAR是一款功能丰富且灵活的基因组变异注释工具，它可以注释单核苷酸变异（SNV）、插入/缺失（INDEL）以及其他更复杂的结构变异，适用于多种生物基因组的研究。 它支持超过38000个基因组，预测变异对编码区域、非编码区域的影响，包括错义突变、无义突变、剪接位点变化等。 ，还可以预测变异对基因功能的影响，包括对蛋白质结构和功能的预测。 VEP还提供了丰富的插件，可以扩展其注释功能，VEPVEP的输出结果包括广泛的基因和转录本相关信息，帮助研究人员全面了解变异的生物学意义。
91010编辑于 2024-12-23 - 来自专栏单细胞天地
单细胞基因组拷贝数变异流程
主要是上游流程，读文章拿到数据后走标准的比对流程，计算覆盖度测序深度，文章是（2020年4月份）第16周（总第112周 ）- 单细胞基因组测序表明TNBC的CNV发展是爆发式的 http://www.bio-info-trainee.com qualimap conda install -y -c bioconda bwa samtools bedtools sambamba sra-tools bowtie2 samblaster 下载参考基因组 这里一步到位下载bowtie2的参考基因组:http://bowtie-bio.sourceforge.net/bowtie2/manual.shtml wget ftp://ftp.ncbi.nlm.nih.gov pip install pyfaidx faidx hg38.fasta -i chromsizes > sizes.genome # 然后使用 bedtools 工具基因组染色体坐标进行窗口划分 bedtools makewindows -g sizes.genome -w 200000 > 200k.bed # 再依据窗口根据参考基因组进行GC含量计算。
1.7K21发布于 2020-03-27 - 来自专栏三代测序-说
全基因组 - 人类基因组变异分析 (PacBio）（6）-- ANNOVAR
如果将个体基因组与参考基因组相比，变异的数量是巨大的。 据估计（1），全球范围内人类的基因组中总共有超过8800万个变异（包括约8470万个单核苷酸多态性、360万个短插入/缺失变异和约6万个结构变异）。 ANNOVAR能够利用最新的数据来分析各种基因组中的遗传变异。 给定一个包含染色体，起点，终点，参考核苷酸与检测核苷酸序列， ANNOVAR可以进行如下的功能注释： 基于基因的注释Gene-based annotation：主要针对SNP或CNV是否引起蛋白编码改变进行注释 鉴定特定数据库中记录的变异，例如，该变异位点是否在dbSNP中有报道，在千人基因组计划中的等位基因频率如何等等 （3）。 二.
1.7K21编辑于 2023-12-07 - 来自专栏三代测序-说
全基因组 - 人类基因组变异分析（PacBio) （5）-- pbsv
目前该技术广泛应用于基因组Denovo组装、全长转录本检测、宏基因组，基因组重测序等多个方向，并且在染色体结构变异（Structure Variation, SV）的检测中有着不可替代的优势。 前面我们讲了PacBio三代测序数据的类型、预处理、比对和SNPs/INDELs变异检测等基本内容。本期我们就继续沿着分析流程图一起看看基于比对结果检测染色体结构变异（SV）分析方法。 据统计，基因组结构变异可能导致的遗传性疾病已经超过1,000种，对于每个人来讲其基因组都有至少20,000个的结构变异，这些变异带来的影响或许比SNVs或InDels带来的影响更大。 三代测序的长读长能够很有效的跨越覆盖识别出结构变异位点，得到结构变异的全貌，轻松测通基因组上的复杂重复区域。 获得单个或者所有样本的结构变异和基因型，.svsig.gz到.vcf 具体分析命令 数据我们还是使用德系犹太人家系：HG002（子）、HG003（父）、HG004（母），具体参考全基因组 - 人类基因组变异分析
2.1K00编辑于 2023-11-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号