近日，转化医学国家重大科技基础设施（上海）“交大-耶鲁生物医学数据分析平台”用户工作站吕晖教授课题组在国际知名期刊《Communications Biology》在线发表了题为“FVC as an adaptive and accurate method for filtering variants from popular NGS analysis pipelines”的最新研究成果。该研究提出了一种新的基因组二代测序数据质量控制方法，有效提升了二代测序检出的基因变异的可靠性。上海交大任永永博士和孔艳博士后为共同第一作者，吕晖教授和赵宏宇教授为共同通讯作者。
全基因组二代测序技术已广泛应用在儿科遗传疾病诊断、肿瘤基因组图谱分析、全基因组关联分析等基因组研究领域，但由于测序和分析误差，检出的SNV和INDEL变异类型中存在大量假阳性变异，给基因组图谱分析和遗传疾病的鉴别诊断带来了较大的噪声干扰。目前已有多个方法可用于过滤二代测序检出的假阳性变异，例如Frequency、Hard-Filter、 VQSR、GARFIELD和VEF，但这些方法在过滤假阳性变异的同时，损失了数倍的真变异，严重干扰了下游的遗传疾病诊断和分子功能研究。
为解决上述问题，吕晖团队构建了自适应过滤方法FVC (Filtering for Variant Calls)，用于对不同遗传变异分析软件（例如GATK HaplotypeCaller、Mutect、Varscan和DeepVariant）检出结果中的假阳性变异进行过滤。
研究结果显示，相较于其它过滤方法，新方法FVC过滤掉了更多的假阳性变异，同时召回了其它过滤方法遗漏的~51-99%真阳性变异，当使用评价指标OFO（Odds of false omission, 损失的真阳性变异个数与过滤掉的假阳性变异个数之比，又名真阳性损失比）进行性能评价时，FVC将真阳性损失比OFO从0.05-1661.28降低至0.02-0.57。为排除潜在的数据泄露和过拟合导致的评估偏差，分别使用留一染色体交叉验证（leave-one-chromosome-out cross-validation）、留一个体交叉验证（leave-one-individual-out cross-validation）和独立测试集进行验证，FVC同样获得了最佳性能。
论文链接：https://www.nature.com/articles/s42003-022-03397-7
“交大-耶鲁生物医学数据分析平台”用户工作站简介
交大-耶鲁生物医学数据分析平台用户工作站，以2018年所申请科技部精准医学重点专项计划《精准医学大数据的有效挖掘与关键信息技术研发》为背景建立。近年来随着国内和国际精准医学发展，已产生和积累海量数据，本工作站从临床应用和转化研究需求出发，从数据分析关键技术上进行自主创新和标准化建设，逐渐建立起一套精准医学大数据集成分析平台。
平台依托于上海交通大学网络信息中心强大的π高性能计算集群，实现数据的快速传输和高效计算。平台目前逐步建成罕见病辅助诊断系统、多组学数据分析系统、多疾病细胞影像辅助诊断系统，在精准医学全链条技术和一体化工程技术规范体系建设中不断前进。
供稿 | “交大-耶鲁生物医学数据分析平台” 用户工作站
