《Scientific Data》:Whole-genome sequencing datasets of the Ashkenazi Trio reference genomes generated on the DNBSEQ-T7 using multiple library preparation workflows
编辑推荐:
测序技术的进步提升了人类基因组表征的准确性、通量和完整性,使遗传变异检测更加可靠。经过充分表征的参考基因组对于测序平台基准评估和新型生物信息学分析流程的开发至关重要。本研究呈现了为Genome in a Bottle Consortium的Ashkenazi
测序技术的进步提升了人类基因组表征的准确性、通量和完整性,使遗传变异检测更加可靠。经过充分表征的参考基因组对于测序平台基准评估和新型生物信息学分析流程的开发至关重要。本研究呈现了为Genome in a Bottle Consortium的Ashkenazi Jewish trio参考样本生成的全基因组测序数据集。文库采用三种不同的基于MGI的流程制备:无PCR文库制备(PCR-free library preparation)、FastFS DNA文库制备(FastFS DNA library preparation)和Universal DNA文库制备(Universal DNA library preparation)。测序在MGI DNBSEQ-T7平台上完成,每个样本产生至少4亿条双端读长(paired-end reads),对应30X平均基因组覆盖度(mean genome coverage)。原始读长(raw reads)采用标准化的GATK生物信息学流程处理。利用GIAB真值集(truth callsets)进行的技术验证表明,所有数据集间具有高度一致性,并证实了所生成的测序数据适用于下游分析。该数据集为评估DNBSEQ-T7衍生的全基因组测序数据、开发和基准评估生物信息学方法、评估文库制备策略以及支持跨平台测序比较提供了资源。
研究背景方面,Genome in a Bottle(GIAB)联盟提供了经过充分表征的参考物质和变异检测基准数据集,其中包括源自Personal Genome Project的Ashkenazi Jewish trio(HG002、HG003、HG004)。这些样本附有通过整合多种测序技术生成的高置信度变异检测集,可对全基因组测序(WGS)流程进行稳健验证。Ashkenazi trio作为小变异和结构变异检测的广泛采用的基准,其三人家系结构使得孟德尔遗传评估成为可能,为识别参考真值集比较之外的潜在错误提供了正交方法。DNBSEQ-T7测序仪由MGI Tech开发,是一种高通量平台,此前已使用Korean Reference Genome和NA12878等参考基因组进行过评估,这些研究涵盖外显子组和全基因组测序,评估了变异检测准确性、覆盖均一性和整体测序性能等关键指标。然而,尽管DNBSEQ-T7平台此前已使用包括GIAB衍生标准在内的成熟参考基因组进行过评估,但不同MGI全基因组文库制备流程对下游测序和变异检测性能的影响受到的关注相对较少。片段化化学、PCR扩增和DNA输入量需求的差异可能影响覆盖特征、GC代表性、重复率和变异检测准确性,但这些效应尚未在标准化测序方法下跨多个DNBSEQ-T7流程进行系统评估。为此,研究人员在SAMRC Genomics Platform于匹配的测序和分析条件下,使用三种MGI文库制备策略为GIAB Ashkenazi trio生成了全基因组测序数据。该设计使得流程特异性性能特征的直接比较成为可能,包括测序质量、覆盖谱、与GIAB真值集的变异一致性以及孟德尔一致性。评估了三种文库制备策略:Universal DNA文库制备试剂盒(超声片段化)、Fast FS DNA文库制备试剂盒(酶切片段化)和无PCR DNA文库制备试剂盒(酶切片段化)。超声方法产生一致的片段大小且偏倚较低,而酶切片段化提供了适合低输入样本的简化流程。无PCR方法已知可减少扩增偏倚并改善GC丰富区域的代表性,有助于更准确地检测结构变异和拷贝数变异。本研究呈现了在DNBSEQ-T7平台上使用多种MGI文库制备流程和DNA输入量生成的GIAB Ashkenazi trio(HG002、HG003和HG004)原始全基因组测序数据集。该数据集为评估测序性能、基准评估变异检测流程以及根据样本质量和分析需求指导文库制备方法选择提供了资源。
研究人员开展的研究方面,首先获取了GIAB Ashkenazi trio(HG002、HG003和HG004)的福尔马林固定石蜡包埋(FFPE)卷曲切片,来源于Horizon Discovery(GM24385、GM24149、GM24143)。这些材料是在受控条件下制造的工程化FFPE参考标准品,用于测定开发、验证和基准评估应用,因此可能不会表现出档案FFPE标本中通常观察到的降解程度。基因组DNA采用DNeasy Blood and Tissue Kit(Qiagen)按制造商说明提取。DNA质量使用Qubit 4.0荧光计(Thermo Fisher Scientific)和Qubit dsDNA HS Assay试剂盒评估。纯度评估使用NanoDrop One分光光度计(Thermo Fisher Scientific)进行,DNA完整性通过Agilent TapeStation 4200(Agilent)评估。所有样本均满足WGS文库制备标准。
关键技术方法方面,研究人员采用三种MGI文库制备流程:(i)MGIEasy Universal DNA Library Prep Set配合Covaris聚焦超声仪(Covaris)超声处理(1000 ng输入量),(ii)MGIEasy PCR-Free FS Library Prep Set(500 ng输入量),(iii)MGIEasy Fast FS DNA Library Prep Set(25 ng和200 ng输入量)。使用MGIEasy Circularization Kit(MGI)生成单链环化文库。文库通过MGIDL-T7加载器加载至流动池,随后在DNBSEQ-T7上使用DNBSEQ-T7RS High-Throughput Sequencing Set(FCL PE150)(MGI)进行双端150 bp测序。原始测序数据已存入NCBI Sequence Read Archive(SRA),研究登录号SRP6995726。变异数据已存入European Variation Archive(EVA),登录号PRJNA1465120。样本队列来源为Horizon Discovery提供的工程化FFPE参考标准品(GM24385、GM24149、GM24143)。
研究结果方面,技术验证表明所有DNBSEQ-T7文库制备流程均具有持续的高测序和变异检测性能,其中无PCR文库显示出最高的整体 indel 检测准确性和孟德尔一致性。原始测序质量指标方面,使用FastQC(v0.12.1)和MultiQC(v1.25.2)评估测序质量指标,包括测序仪报告的质量分数(Q30)、GC含量、重复率、插入片段大小和读长产量。所有文库均表现出高测序质量(Q30 > 97%)和高比对率(对GRCh38 > 99%)。与GIAB真值集的变异一致性评估方面,原始读长使用Trimmomatic(v0.40-rc1)进行质量过滤和修剪,使用BWA-MEM(v0.7.18)比对至GRCh38p14。BAM文件随机下采样至每样本4亿条读长对以实现直接跨方法比较和可视化。处理遵循Genome Analysis Toolkit(GATK)(v4.6.1)最佳实践,包括重复标记、碱基质量分数重校准(BQSR)和使用HaplotypeCaller进行变异检测。覆盖度统计使用GATK(v4.6.1)picardtools和mosdepth(v0.3.8)计算。变异检测集使用hap.py(v0.3.12)与GIAB v4.2.1高置信度基准检测集进行比较。一致性使用精确率、召回率和F1分数评估单核苷酸变异(SNV)和小插入缺失(indels)。所有文库制备流程均表现出高SNV一致性,所有样本的F1分数范围约为0.98至0.99。这些值与当代短读长全基因组测序流程针对GIAB参考数据集基准评估的报告值一致,表明所生成数据集中变异检测的高质量。无PCR文库表现出最高的indel一致性,而基于PCR的流程显示indel性能适度降低。文库制备流程间观察到的indel一致性差异可能归因于文库构建特征而非测序仪器本身的特性。PCR扩增已知会引入扩增偏倚和序列上下文依赖性错误,可能影响indel检测。与此一致,低输入Fast FS 25 ng文库通常显示比相应200 ng文库降低的indel一致性,可能反映了文库制备期间所需的额外扩增。通过比较重叠和独特变异检测评估了文库制备流程间的变异一致性。使用RTG Tools(v3.13)进行基于trio的验证以评估孟德尔一致性。所有流程的孟德尔违背率均较低(0.14–0.64%),支持所生成数据集的整体质量和一致性。无PCR流程观察到最低的违背率,这与无PCR文库制备方法通常相关的降低扩增偏倚一致。
讨论部分总结,本研究展示了在DNBSEQ-T7平台上使用三种MGI文库制备流程为GIAB Ashkenazi trio生成的全基因组测序数据集。所有流程均表现出高测序质量(Q30 > 97%)和高比对率(> 99%),SNV F1分数约为0.98至0.99,与当代短读长全基因组测序流程一致。无PCR文库在indel检测准确性和孟德尔一致性方面表现最佳,孟德尔违背率最低(0.14–0.64%),这可能与降低的扩增偏倚有关。基于PCR的流程显示indel性能适度降低,低输入Fast FS 25 ng文库较200 ng文库indel一致性降低,可能反映了文库制备期间额外扩增的影响。这些差异归因于文库构建特征而非测序仪器本身。该数据集为评估DNBSEQ-T7衍生的全基因组测序数据、开发和基准评估生物信息学方法、评估文库制备策略以及支持跨平台测序比较提供了资源。
研究结论部分翻译:本研究呈现了在DNBSEQ-T7平台上使用多种MGI文库制备流程和DNA输入量生成的GIAB Ashkenazi trio(HG002、HG003和HG004)原始全基因组测序数据集。该数据集为评估测序性能、基准评估变异检测流程以及根据样本质量和分析需求指导文库制备方法选择提供了资源。