Wykrywanie wariantów genomowych

Od odczytów do krótkiej listy wariantów, które faktycznie warto obejrzeć — a nie do pliku z milionem wierszy.

Kiedy warto wykrywać warianty

data2biology wykrywa warianty genomowe — SNP, krótkie indele, warianty strukturalne i zmiany liczby kopii — z danych całogenomowych, eksomowych oraz z paneli celowanych, zarówno w trybie germinalnym, jak i somatycznym. Analizy mają charakter badawczy i nie zastępują badania genetycznego wykonanego w laboratorium diagnostycznym. Wykrywanie wariantów odpowiada na pytanie, czym badany osobnik, szczep lub linia różni się od sekwencji referencyjnej. Stosuje się je w genetyce populacyjnej, hodowli i selekcji wspomaganej markerami, badaniach nad podłożem chorób, charakterystyce linii komórkowych oraz w analizach zmian somatycznych w materiale nowotworowym.

Obsługujemy sekwencjonowanie całogenomowe, eksomowe i panele celowane, a także dane długoodczytowe, które lepiej radzą sobie z wariantami strukturalnymi i rejonami powtarzalnymi. Analizy prowadzimy w trybie germinalnym oraz somatycznym, w tym drugim przypadku z wykorzystaniem sparowanych próbek guz–norma.

Nasze analizy mają charakter badawczy. Nie są wyrobem medycznym do diagnostyki in vitro i nie zastępują badania genetycznego wykonanego w laboratorium diagnostycznym ani interpretacji klinicznej przez lekarza genetyka.

Przebieg analizy

Poniżej opisujemy schemat, według którego typowo prowadzimy tego rodzaju analizy. Nie jest to sztywna procedura: dobór narzędzi zależy od organizmu, typu biblioteki, głębokości sekwencjonowania i pytania badawczego, a standardy w bioinformatyce zmieniają się szybko. Metodykę uzgadniamy z Tobą przed startem projektu i aktualizujemy wraz z rozwojem narzędzi oraz baz referencyjnych.

Dane wejściowe
Pliki FASTQ · genom referencyjny · plik BED dla eksomu lub panelu · przy analizie somatycznej sparowane próbki guz–norma
Kontrola jakości i przygotowanie odczytów
Ocena jakości, usunięcie adapterów i odczytów niskiej jakości przed mapowaniem.
FastQCfastpMultiQC
Mapowanie do genomu referencyjnego
Dobór algorytmu zależy od długości odczytów. Wybór wersji genomu uzgadniamy z Tobą, bo determinuje zgodność z bazami adnotacyjnymi.
BWA-MEM2minimap2samtools
Przygotowanie mapowań
Sortowanie, oznaczenie duplikatów pochodzących z amplifikacji PCR oraz rekalibracja jakości zasad, jeśli dostępne są odpowiednie bazy dla danego gatunku.
GATK MarkDuplicatessamtoolsGATK BQSR
Kontrola pokrycia
Rozkład głębokości i jednorodność pokrycia. Przy panelach i eksomach sprawdzamy, które rejony docelowe nie osiągnęły progu pozwalającego na wiarygodne wywołanie wariantu.
mosdepthQualimapPicard
Wykrywanie wariantów krótkich
Wykrywanie SNP i krótkich indeli. Dla wariantów germinalnych i somatycznych stosujemy odmienne modele statystyczne, ponieważ różnią się oczekiwaną frakcją alleli.
GATK HaplotypeCallerDeepVariantMutect2Strelka2bcftools
Filtrowanie i kontrola jakości wariantów
Odsianie wywołań artefaktualnych na podstawie modelu jakości lub filtrów progowych, a przy analizie somatycznej dodatkowo z użyciem panelu próbek prawidłowych.
GATK VQSRbcftools filterpanel of normals
Warianty strukturalne i zmiany liczby kopii
Delecje, duplikacje, inwersje i translokacje wykrywamy osobnymi narzędziami, dobranymi do typu danych. Przy odczytach długich czułość jest wyraźnie wyższa.
MantaDellySniffles2CNVkit
Adnotacja wariantów
Przypisanie wariantom kontekstu genowego, przewidywanego skutku na poziomie białka oraz częstości w populacyjnych bazach referencyjnych.
VEPSnpEffgnomADClinVardbSNP
Priorytetyzacja i raport
Zawężenie listy według uzgodnionych kryteriów: typu zmiany, częstości populacyjnej, przynależności do listy genów kandydackich, sposobu dziedziczenia.
RPythonR Markdown
Wyniki
Pliki VCF surowe, filtrowane i adnotowane · tabela wariantów w Excelu · warianty strukturalne i CNV · raport pokrycia · pliki BAM/CRAM
Typowy przepływ danych przy wykrywaniu wariantów. Etapy 5–7 dobieramy do trybu analizy: germinalnej lub somatycznej.

Na co zwracamy uwagę

Pokrycie decyduje o tym, czego nie zobaczysz

Brak wariantu w wyniku może oznaczać, że go nie ma, albo że w tym miejscu pokrycie było za niskie, by cokolwiek stwierdzić. To rozróżnienie bywa pomijane, a jest kluczowe przy interpretacji wyniku negatywnego. Dlatego w raporcie zawsze podajemy, jaki odsetek rejonów docelowych osiągnął progi pozwalające na wiarygodne wykrycie wariantu, oraz które konkretnie geny wypadły poniżej.

Filtrowanie to kompromis, nie prawda absolutna

Każdy zestaw filtrów przesuwa równowagę między liczbą wyników fałszywie dodatnich a ryzykiem odrzucenia wariantu prawdziwego. Przy przeszukiwaniu genów kandydackich zwykle warto filtrować łagodniej, przy analizie ogólnogenomowej — ostrzej. Ustalamy to na starcie i dostarczamy zarówno wersję filtrowaną, jak i pełną, żeby dało się wrócić do wariantu odrzuconego.

Predykcje patogenności to przesłanki

Narzędzia przewidujące skutek zmiany aminokwasowej opierają się na konserwatywności ewolucyjnej i modelach strukturalnych. Ich zgodność z rzeczywistością jest ograniczona i różni się między genami. Podajemy te wartości jako jedną z przesłanek obok częstości populacyjnej, typu zmiany i danych literaturowych, nigdy jako samodzielne rozstrzygnięcie.

Co otrzymujesz

Plik Format Co zawiera
variants.filtered.vcf.gz + .tbi VCF Standardowy format wymiany wariantów, skompresowany i zindeksowany. Jeden wiersz na pozycję, wczytywany przez wszystkie popularne narzędzia i przeglądarki.
  • CHROM, POS, REF, ALT — pozycja oraz allel referencyjny i alternatywny
  • QUAL, FILTER — jakość wywołania i informacja, czy wariant przeszedł filtry
  • INFO — adnotacje: gen, skutek, częstość populacyjna, głębokość
  • Kolumny próbek z genotypem (GT), głębokością (DP), rozkładem alleli (AD) i jakością genotypu (GQ)
variants.raw.vcf.gz VCF Pełny zestaw wywołań przed filtrowaniem — pozwala wrócić do wariantu, który odpadł na etapie filtrów.
variants_annotated.xlsx XLSX Ta sama informacja w formie arkusza, uszeregowana według priorytetu. Plik, z którym pracuje się na co dzień.
  • Chromosom, pozycja, allele, genotyp i zygotyczność
  • Gen, transkrypt oraz zapis zmiany w notacji HGVS na poziomie nukleotydu i białka
  • Typ i przewidywana dotkliwość zmiany: missense, nonsense, przesunięcie ramki, zmiana miejsca składania
  • Częstość w populacyjnych bazach referencyjnych oraz wpisy z baz klinicznych
  • Głębokość pokrycia i frakcja allelu alternatywnego w danej próbce
  • Osobne zakładki: warianty rzadkie, warianty w genach kandydackich, parametry analizy
structural_variants.vcf / cnv.xlsx VCF + XLSX Warianty strukturalne i zmiany liczby kopii, jeśli mieściły się w zakresie projektu.
  • Typ zmiany, współrzędne początku i końca, długość
  • Liczba odczytów wspierających i miara pewności
  • Geny objęte zmianą wraz z informacją, czy zmiana jest pełna czy częściowa
coverage_report.html HTML Raport pokrycia — plik, który decyduje o tym, jak interpretować wynik negatywny.
  • Średnia i mediana głębokości pokrycia dla każdej próbki
  • Odsetek rejonów docelowych pokrytych powyżej kolejnych progów
  • Lista rejonów i genów o pokryciu niewystarczającym do analizy
alignments/*.cram + *.crai CRAM Zmapowane odczyty w formacie oszczędzającym miejsce, z indeksami. Pozwalają obejrzeć każdy raportowany wariant własnymi oczami w IGV.
methods.docx DOCX Szkic sekcji metod z wersjami narzędzi, wersją genomu referencyjnego, zastosowanymi filtrami i cytowaniami.

Czego potrzebujemy od Ciebie

  • Surowe pliki FASTQ lub gotowe mapowania BAM/CRAM wraz z informacją o użytej wersji genomu
  • Plik BED z rejonami docelowymi, jeśli chodzi o eksom lub panel celowany
  • Informację, czy analiza ma być germinalna czy somatyczna, a przy tej drugiej — sparowane próbki
  • Listę genów kandydackich lub obszar zainteresowania, jeśli taki istnieje
  • Przy danych ludzkich: podstawę prawną przetwarzania i zgody uczestników badania

Dane genetyczne osób stanowią szczególną kategorię danych osobowych. Analizy na takich danych realizujemy po wcześniejszym uzgodnieniu warunków przetwarzania — napisz do nas, zanim je prześlesz.

Wycena i współpraca

Każdy projekt wyceniamy indywidualnie. Koszt zależy przede wszystkim od liczby próbek, dostępności genomu referencyjnego, liczby porównań i zakresu analiz, o które prosisz.

  1. Piszesz do nas, co chcesz zbadać i jakimi danymi dysponujesz.
  2. Jeśli coś wymaga doprecyzowania, umawiamy krótką rozmowę — bezpłatnie i bez zobowiązań.
  3. W ciągu 3–5 dni roboczych dostajesz wycenę wraz z zakresem prac, listą plików wynikowych i terminem realizacji.
  4. Decydujesz. Wycena jest niezobowiązująca.

Zakres i koszt tego typu projektów różnią się na tyle mocno, że podanie jednej reprezentatywnej kwoty byłoby mylące. Jeśli potrzebujesz rzędu wielkości jeszcze przed formalną wyceną, napisz — orientacyjny przedział podamy od ręki.

Podane kwoty są orientacyjne, wyrażone w wartościach netto; do ceny doliczamy podatek VAT zgodnie z obowiązującymi przepisami. Nie stanowią one oferty w rozumieniu Kodeksu cywilnego. Więcej o zasadach współpracy w FAQ.

Masz dane do analizy?

Napisz, co chcesz zbadać, a wspólnie ustalimy zakres analizy i harmonogram. Rozmowa o projekcie i przygotowanie wyceny są bezpłatne.

Zapytaj o wycenę Zobacz przykładową analizę