DECoN中最高分辨率的CNV檢測工具怎么用

這期內容當中小編將會給大家帶來有關DECoN中最高分辨率的CNV檢測工具怎么用，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

DECoN是一款CNV檢測工具，適用于exon-based的panel測序，可以識別single exon CNV

panel測序在臨床上應用廣泛，目前利用panel測序數據來檢測SNP是比較成熟的，而CNV的檢測則缺乏有效的工具。在這樣的背景下，DECoN應運而生，開發者在ExomeDepth軟件的的基礎上進一步修改，主要有以下兩點大的改動

1. 新增了檢測染色體上第一個外顯子區域的變異

2. 在隱馬可夫模型中新增了exon之間的距離這一因素

   
   

通過模擬數據和真實數據對軟件的性能進行評估，在模擬數據集中，DECoN效果驚人，100%的靈敏度和99%的特異性。真實數據采用了illumina TruSight Cancer Panel測序的結果，最終鑒定出來24個exon CNV，用MLPA技術進行驗證，有23個可以檢測到，假陽性率4%，更加詳細的評估結果請查看文章中的描述。

該軟件的運行速度也非常快，還提供了良好的結果可視化，示意如下

上面的折線圖展示的是基因上coverage的分布，灰色代表對照樣本，藍色代表實驗樣本；中間展示的是基因的名稱，最下方的散點圖代表觀測值和期望值之間的比值，灰色區域代表95%置信區間，當比值顯著偏離置信區間時，認為該區域存在拷貝數變異。上圖所示的紅點區域代表實際觀測值小于期望值，說明發生了deletion。

軟件的源代碼保存在github上，鏈接如下

https://github.com/RahmanTeam/DECoN

具體操作分為以下4步， 對應4個R腳本

1. ReadInBams.R

讀取bam文件，計算coverage, 用法如下

Rscript ReadInBams.R \
--bams  bamList.txt \
--bed   Target_Regions.bed \
--fasta hg19.fa \
--out DECoNtest

輸入文件為bam文件的列表，目的區域的bed文件，參考基因組的fasta文件，bam文件的格式如下

目的區域bed文件的格式如下

輸出結果是一個后綴為RData的文件，保存了樣本的coverage信息，該軟件中用FPKM值來表示。

2. IdentifyFailures.R

進行質量控制，檢測coverage過度的exon區域，相關性較差的樣本等，用法如下

Rscript IdentifyFailures.R \
--Rdata DECoNtest.RData \
--exons customNumbering.txt \
--mincorr .98 \
--mincov 100 \
--custom TRUE \
--out DECoNtest

輸入文件為第一步產生的RData文件，另外還需要自定義的exon編號的文件

customNumbering.txt

內容示意如下

如果所有的樣本和exon區域都符合要求，則該命令不會輸出結果，如果有不合格的樣本和區域，則需要剔除之后在進行操作。

3. makeCNVcalls.R

進行CNV calling，用法如下

Rscript makeCNVcalls.R \
--Rdata DECoNtest.RData \
--exons customNumbering.txt \
--custom TRUE \
--out DECoNtestCalls \
--plot  All \
–-plotFolder DECoNTestPlots

4. runShiny.R

通過R包Shiny構建了一個基于瀏覽器的交互式結果展示頁面，用法如下

Rscript runShiny.R \
--Rdata DECoNtestCalls.RData

可以查看coverage分布圖，cnv calling的結果等信息，示意如下

對于panel測序的CNV檢測，推薦使用DECoN進行分析。

上述就是小編為大家分享的DECoN中最高分辨率的CNV檢測工具怎么用了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。