全外显子测序分析

全外显子测序分析

引用

CSDN

1.

https://blog.csdn.net/Da_gan/article/details/143948917

全外显子测序（WES）和全基因组测序（WGS）是两种广泛应用于基因组研究和临床诊断的高通量测序技术。它们各有特点和应用场景，以下是它们的主要区别：

测序范围

• 全外显子测序（WES）

• 仅针对基因组中外显子区域（约占全基因组的1-2%），即能够编码蛋白质的部分进行测序。

• 目标区域约为30-50 Mb（百万碱基对）。

• 通常通过富集捕获的方法选择外显子区域进行测序。

• 全基因组测序（WGS）

• 涉及整个基因组的测序，包括编码区（外显子）、非编码区（内含子、调控区等）以及线粒体DNA。

• 覆盖范围约为3 Gb（十亿碱基对）。

数据量和成本

• WES

• 数据量较小，通常为5-10 Gb。

• 成本较低，适用于预算有限的研究或临床应用。

• WGS

• 产生的数据量较大，通常为90-150 Gb。

• 成本较高，但随着技术进步，价格逐渐下降。

检测能力

• WES

• 专注于外显子区域，能有效检测与疾病相关的编码变异（如单核苷酸变异和小片段插入/缺失）。

• 对非编码区变异无检测能力，无法全面解析调控区变异或结构变异。

• WGS

• 提供全面的基因组变异信息，包括编码区和非编码区的变异、拷贝数变异（CNV）、结构变异（如染色体易位、倒位）和重复序列变异。

• 适合于未知致病变异的全面探索。

分析复杂性

• WES

• 数据量小，分析较为简单，重点关注已知与疾病相关的基因区域。

• 生物信息学处理和存储需求较低。

• WGS

• 数据量庞大，分析更复杂，需要更高效的计算资源。

• 结果解读难度更高，尤其是非编码区变异的功能预测和临床意义评估。

应用场景

• WES

• 疾病基因筛查： 适用于已知与编码区相关的单基因病研究或遗传病诊断。

• 快速诊断： 尤其适合明确的目标区域（外显子）的研究。

• 成本受限的项目： 在预算有限的情况下选择WES较为合理。

• WGS

• 全基因组探索： 特别适用于寻找未知致病突变或复杂病变的研究。

• 癌症研究： 涵盖肿瘤特有的结构变异和非编码区调控突变。

• 进化研究： 提供全基因组范围的遗传信息，适合物种比较和群体遗传学。

优缺点对比

总结

• 如果目标是寻找已知基因区域的突变或预算有限，WES是更合适的选择。
• 如果需要全面探索基因组变异，或研究非编码区和复杂结构变异，WGS更具优势。实际选择取决于研究目的、预算和数据分析能力。

以下是全外显子测序（WES）典型分析流程及实现代码示例。我们以常用的工具（如FastQC、BWA、GATK等）为例，提供脚本示范。请根据实际需求和环境配置调整代码。

全外显子测序（WES）分析流程

1. 数据质控

使用 FastQC 和 MultiQC 对原始数据进行质控。

# 运行FastQC
fastqc -t 4 sample_R1.fastq.gz sample_R2.fastq.gz -o ./fastqc_output/

# 运行MultiQC整合FastQC报告
multiqc ./fastqc_output/ -o ./multiqc_output/

2. 数据比对

使用 BWA 将测序数据比对到参考基因组。

# 创建索引（仅需一次）
bwa index reference.fasta

# 比对
bwa mem -t 8 reference.fasta sample_R1.fastq.gz sample_R2.fastq.gz > sample.sam

3. SAM/BAM 处理

将 SAM 文件转换为 BAM 文件，排序，并标记重复。

# 转换为BAM并排序
samtools view -bS sample.sam | samtools sort -o sample.sorted.bam

# 标记重复
gatk MarkDuplicates -I sample.sorted.bam -O sample.dedup.bam -M sample.metrics.txt

4. 外显子区域捕获

通过 BED 文件定义外显子区域，进行目标区域提取。

# 提取外显子区域的BAM文件
samtools view -b -L exome_regions.bed sample.dedup.bam > sample.exome.bam

5. 突变检测

使用 GATK HaplotypeCaller 检测变异。

# 基因组校正
gatk BaseRecalibrator \
    -I sample.exome.bam \
    -R reference.fasta \
    --known-sites known_sites.vcf \
    -O recal_data.table

gatk ApplyBQSR \
    -I sample.exome.bam \
    -R reference.fasta \
    --bqsr-recal-file recal_data.table \
    -O sample.recal.bam

# 突变检测
gatk HaplotypeCaller \
    -R reference.fasta \
    -I sample.recal.bam \
    -O sample.raw.vcf

6. 突变注释

使用 ANNOVAR 或 SnpEff 对变异进行注释。

# 使用ANNOVAR进行注释
table_annovar.pl sample.raw.vcf humandb/ -buildver hg38 -out sample.annotated \
    -remove -protocol refGene,dbnsfp -operation g,f -nastring .

全外显子测序（WES）和全基因组测序（WGS）的分析流程在技术实现上
有许多相似之处，但由于测序范围和研究目的的不同，它们的分析流程也
存在显著差异。以下从测序范围、数据处理、分析重点和复杂性四个方面
进行详细对比。

测序范围

• WES：

• 只关注基因组中外显子区域（约占1-2%），需提前设计捕获探针或目标区域。

• 在分析过程中，需要使用外显子区域 BED 文件对 BAM 文件进行区域提取，以降低非目标区域的干扰。

• WGS：

• 覆盖整个基因组，包括外显子、内含子、调控区和重复序列等非编码区域。

• 不需要进行目标区域提取，所有区域的变异都需考虑。

区别：WES 的分析需要特定的捕获和提取步骤，WGS 则是全面的分析。

数据处理

• 数据量：

• WES 数据量较小（通常为 5-10 Gb/样本），存储和计算资源需求较低。

• WGS 数据量较大（通常为 90-150 Gb/样本），需要更高的计算能力和存储空间。

• 比对步骤：

• WES 和 WGS 的比对过程本质相同，但 WES 的比对结果会过滤非外显子区域；WGS 需全基因组范围内比对，可能面临更高的复杂度（例如重复序列和难比对区域）。

• 区域提取：

• WES 需要将比对后的 BAM 文件与目标区域（BED 文件）交叉分析，提取外显子区域的比对数据。

• WGS 不需要此步骤。

区别：WES 需要额外的目标区域提取，而 WGS 则需要处理大数据量。

分析重点

• WES：

• 主要关注外显子区域的变异检测（如单核苷酸变异 SNP 和小片段插入/缺失 Indel）。

• 临床重点通常是与已知疾病基因相关的区域。

• WGS：

• 除了编码区变异外，还需分析非编码区变异（如增强子突变、启动子变异）。

• 结构变异（SV）检测是 WGS 的重要内容，包括染色体易位、倒位、大片段插入/缺失和拷贝数变异（CNV）。

• 适用于探索未知致病变异。

区别：WES 专注于编码区变异，WGS 涵盖全基因组，分析范围更广，尤其是非编码区和复杂变异。

复杂性

• 分析复杂性：

• WES 的分析范围小，计算和解读较为简单，结果主要集中在外显子区域和临床相关基因。

• WGS 数据量大，分析更复杂，尤其是非编码区变异的功能预测、结构变异的准确性，以及注释的全面性。

• 解读难度：

• WES 的变异解读较为直接，重点关注已知的疾病基因和致病变异库。

• WGS 包含大量非编码区变异，解读难度大，非编码变异的生物学意义通常不明确。

区别：WGS 的复杂性和解读难度远高于 WES，需要更多的计算资源和专业知识支持。

总结对比表

总结

• 如果研究目的是快速、低成本地检测已知疾病基因的变异，WES 是更高效的选择。
• 如果需要全面探索基因组变异，包括非编码区和复杂变异，则 WGS 更合适。