基于隐马尔可夫模型的全外显子测序拷贝数变异检测算法研究

Study of CNV Detection Tools Based on Hidden Markov Model and Whole Exome Sequencing

拷贝数变异(CNV)是基因组变异的一种非平衡结构变异,与癌症等许多复杂疾病相关。目前,基于隐马尔可夫模型(HMM)的CNV检测算法已经成为基因检测研究中的一大热点,但是对于这些基于HMM的CNV检测工具并没有进行过系统的比较,导致在应用时选择困难。选取5种具有代表性的基于HMM的CNV检测工具:Exome Depth、Exome Copy、XHMM、ADTex和CANOES,分别使用仿真和真实的全外显子组测序数据进行检测,选择真阳性率(TPR)、假发现率(FDR)、运行时间等作为评价指标,对不同覆盖深度、CNV密度等情况下算法的性能进行评估。结果表明:随着覆盖深度的增加,5种工具的TPR上升、FDR下降;CNV密度的变化也会影响CNV检测工具的TPR。此外,Exome Depth对于真实数据的检测精度明显高于其他算法,是无特殊需求时的首选算法。在相同条件下,Exome Copy运行速度最快,XHMM速度最慢。根据实验结果,对不同应用场景推荐合适的CNV检测算法,可帮助研究人员根据自身项目情况选择合适的CNV检测工具,也有助于在临床上的应用。