IF31.7｜Locityper：复杂多态基因的靶向精准分型工具

用短读长或长读长全基因组测序，对以往难以分型的复杂基因实现高精度基因分型。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

人类基因组中存在大量结构变异多态性位点，其中数百个与疾病相关的基因由于高度重复和多态性，难以通过常规变异检测方法准确分型。短读长测序虽然成本低、通量高，但在复杂区域会漏掉超过一半的结构变异；长读长测序虽能解析这些区域，但大规模队列测序成本仍然过高。已有方法如Pangenie利用泛基因组图进行变异推断，但在复杂位点因缺乏独特k-mer而受限；针对HLA、KIR等特定基因家族开发的专用工具则缺乏通用性。因此，亟需一种能够利用泛基因组参考面板，对任意复杂多态位点进行快速、准确基因分型的通用工具。

科学问题

卡在哪里： 现有变异检测流程在复杂多态位点准确性低，短读长测序难以解析高度重复区域，长读长测序成本高难以大规模应用。泛基因组参考提供了丰富的单倍型信息，但缺乏能够有效利用这些信息进行靶向基因分型的通用方法。

本文要回答： 开发一种通用靶向基因分型工具Locityper，利用泛基因组参考面板中的单倍型序列，对复杂多态基因进行快速、准确的基因分型，并适用于短读长和长读长测序数据。

技术路线

作者主要用了：全基因组测序、泛基因组参考面板、整数线性规划、模拟退火、贝塔二项分布、负二项分布。

Locityper首先从泛基因组参考面板中提取目标位点的单倍型序列，然后对全基因组测序数据进行预处理，估计插入片段大小、测序错误率和读深分布。接着利用minimizer将读段招募到目标位点，并比对到所有单倍型上。对于每个可能的基因型（单倍型对），Locityper通过整数线性规划或模拟退火优化读段分配，最大化联合似然函数，该函数综合考虑读段比对质量、插入片段大小和读深稳定性。最终选择似然最高的基因型作为预测结果，并输出读段比对到最佳基因型的BAM文件。

图 1　Fig. 1。图1展示了Locityper的核心原理：从参考面板中提取四个位点单倍型（A-D），将全基因组测序读段招募到这些单倍型上，然后通过优化读段比对、插入片段大小和读深分布，为每个可能的基因型计算联合似然。图中以基因型A,B为例，说明其因比对错误少且读深稳定而获得最高似然。

核心亮点

亮点 1｜Locityper运行速度快，适用于大规模队列

Locityper对30× Illumina全基因组测序数据的预处理平均耗时16分钟（8线程），内存15Gb。对256个目标位点的读段招募、比对和基因分型共需约1小时19分钟。对MHC和KIR位点的完整分析（包括预处理）仅需35分钟，加权模式下为1小时5分钟。相比之下，T1K处理相同位点需要2小时30分钟（MHC）和48分钟（KIR）。Locityper的低运行时间和内存占用使其可扩展至生物样本库规模的队列。

图 2　Fig. 2。图2总结了Locityper在不同测序技术下的准确性。a-b定义了单倍型错误率和QV的对应关系。c-g展示了在LOO设置、单倍型可用性、1KGP变异集、Sniffles+DeepVariant、三体一致性和完整参考面板下的QV分布。Locityper在Illumina数据上中位QV=35.27，在HiFi数据上中位QV=36.90，显著优于现有流程。

补充图

图 3　Fig. 3。图3展示了在256个CMR位点上，预测单倍型按QV分箱的分布情况。大部分单倍型集中在高QV区间（≥33），表明Locityper在多数位点上实现了高精度预测。

图 4　Fig. 4。图4比较了Locityper与T1K在MHC和KIR位点的分型准确性。a显示在MHC位点的40个假基因上，Locityper的全匹配率（88.8%）显著高于T1K（64.1%）；b显示在KIR基因簇的17个假基因上，Locityper同样优于T1K。加权模式进一步提升了Locityper的准确性。

图 5　Fig. 5。图5展示了Locityper在MUC、FCGR、CFH和CYP2基因家族上的分型改进。a-b为MUC1和MUC5B的基因模型，显示VNTR结构。c显示在15个MUC位点上，Locityper的平均QV比1KGP高10.5个点；d显示在FCGR2B、FCGR3A、CFH和CYP2基因上，Locityper也取得了显著提升。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 全基因组测序、泛基因组参考面板、整数线性规划、模拟退火、贝塔二项分布、负二项分布
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事复杂基因组区域分析、疾病关联研究或生物样本库数据处理的生信从业者和研究生。

带走一句

对于复杂多态基因的分型，放弃传统的变异检测思路，转而利用泛基因组参考面板中的单倍型序列进行靶向基因分型，可以大幅提高准确性，且适用于短读长和长读长数据。