Em direção ao alinhamento de leitura do pan-genoma para melhorar a chamada de variações

FUNDAMENTAÇÃO: O genoma humano típico difere do genoma de referência em 4-5 milhões de locais. Essa diversidade está cada vez mais catalogada em repositórios como ExAC/gnomAD, consistindo em mais de 15.000 genomas completos e mais de 126.000 sequências de exoma de diferentes indivíduos. Apesar dessa enorme diversidade, os fluxos de trabalho de dados de resequenciamento ainda são baseados em um único genoma humano de referência. A identificação e genotipagem de variantes genéticas é normalmente realizada em dados de leitura curta alinhados a uma única referência, desconsiderando a variação subjacente. RESULTADOS: Propomos uma nova estrutura unificada para a chamada de variantes com dados de leitura curta utilizando uma representação da variação genética humana - uma referência pan-genômica. Fornecemos um pipeline modular que pode ser incorporado perfeitamente aos fluxos de trabalho existentes de análise de dados de sequenciamento. Nossa ferramenta é de código aberto e disponível online: https://gitlab.com/dvalenzu/PanVC . CONCLUSÕES: Nossos experimentos mostram que, ao substituir uma referência humana padrão por uma pan-genômica, alcançamos uma melhoria na precisão da chamada de variantes de nucleotídeo único e na precisão da chamada de pequenos indels em regiões genômicas difíceis em comparação com a amplamente adotada Genome Analysis Toolkit (GATK).