Sentieon | DNAscope LongRead：面向ONT WGS的快速、高精度、低成本变异检测流程

# 一、背景介绍

长读长测序技术正在不断地拓展全基因组分析的边界。相比传统的短读长测序，ONT能够跨越重复序列、复杂重排和结构变异区域，为胚系变异检测提供更完整的数据链。但将原始纳米孔信号转化为高准确、具备临床相关性的变异结果，仍然是一个巨大的挑战：单条读段错误率更高、读段长度分布多变，以及现代流动槽产生的数据量极其庞大。这不仅要求分析流程需要根据长读长特性进行专门的重构，还对实验室计算资源的扩展能力提出了苛刻要求。

Sentieon DNAscope LongRead 为解决这一痛点，推出了从 FASTQ 到 VCF（或 BAM 到 VCF）的一站式自动化分析流程。它将基于深度学习的变异检测与多轮单倍型分相策略深度融合，使得在标准计算架构上高效运行的同时，确保了针对 SNV、Indel 以及 SV 的高精度检测。

本次将使用 Sentieon ONT 模型（V2.3），对在ONT在AGBT 2025期间发布的已比对CRAM文件进行性能基准测试，以此来全面评估 Sentieon DNAscope LongRead 的表现。

* * *

# 二、DNAscope LongRead 工作流构建

![图片](/media/202608/0ccce8a8835d40d899afd88a219492b15159.png)

*图1  Sentieon DNAscope LongRead流程原理示意图*

DNAscope LongRead 的核心架构在于充分利用 ONT 长读长中丰富的单倍型信息，该流程涵盖了如下的计算步骤。

1.  序列比对：流程接收 FASTQ 或未比对 BAM/CRAM 文件，利用 Sentieon minimap2 将读段比对至参考基因组，并进行坐标排序以生成分析就绪的比对文件。
    
2.  二倍体初始调用：DNAscope 利用专门针对 ONT 训练的模型，在基因组的二倍体区域执行第一轮变异调用，随后应用机器学习模型（DNAModelApply）精修变异质量评分。
    
3.  单倍型分相：VariantPhaser 模块利用杂合变异和读段级别的单倍型信息，将基因组精确划分为已分相与未分相区域，并输出分相后的 VCF 及每条读段的分相属性。
    
4.  单倍型感知二次调用：在已分相区域内，读段被按单倍型严格拆分并进行独立变异检测，该步骤极大地提升了 Indel 检测的准确性。随后通过修补步骤将结果与第一轮二倍体结果相协调。
    
5.  未分相区域与合并：无法分相的区域会被单独调用并与初始结果修补；最终，所有的分相与未分相调用会被无缝合并为单一输出的 VCF 文件。流程同时支持针对特定区域的单倍体调用，并可输出 gVCF 以无缝衔接联合基因分型工作流。
    
6.  结构变异检测：Sentieon LongReadSV 模块会利用专为长读长训练的模型并行运作，输出独立的结构变异 VCF 文件。

通过单一管道的调用，研究团队即可获取包含 SNV、Indel 与 SV 变异检测结果的文件。

* * *

# 三、基准性能与数据表现

## 1.  卓越的变异检测精度

在基于ONT 30x-40x WGS数据的GIAB v4.2.1基准测试中，DNAscope LongRead （v2.3)展现了行业领先的准确度：SNP F1 ＞ 99.9%，Indel F1 ＞ 94.0%，且 SV F1 > 95%。

![图片](/media/202608/20e755cb60bb442ab3468fd3fd08802e1758.png)

*图2  准确度概览—DNAscope LongRead 在其他深度下的 ONT WGS 数据集表现*

## 2.  极低的错误计数

在 GIAB v4.2.1 的基准评估中，总错误数约为 300k-700K，其中 Indel 是主要的错误来源。特别值得注意的是，由于 HG003 样本在模型训练阶段已被剔除，因此其表现真实反映了系统优异的样本外泛化能力。在所有对比测试中，DNAscope LongRead 的各类别错误数均显著低于 Clair3。

![图片](/media/202608/ecb077bb43504432879d3e238560900c6689.png)

*图3  DNAscope LongRead 在 ONT WGS 数据集中的错误计数*

## 3.  极致的计算效率与低成本

得益于 Sentieon 对底层算法的极致优化，DNAscope LongRead 流程表现出极高的运行效率：对于预先比对好的WGS数据，整个变异检测流程仅需约 20 分钟（约 24 核心时）即可完成，对应的WGS 单样本云端计算成本仅需几美元。

![图片](/media/202608/7a54b78f3d0a45628ef733b050d94da94823.png)

*图4  速度与成本评估—针对 ONT WGS 数据的 DNAscope LongRead 效率指标（从 CRAM 到 VCF）*

* * *

# 四、总结

Sentieon DNAscope LongRead 为 ONT WGS 提供了一套兼具高速度、高精度与低计算成本的分析新标准。它围绕单倍型分相与二次感知调用重构了底层逻辑，有效克服了长读长 Indel 检出率的瓶颈。

结合 ONT 测序本身的极低测序成本优势，该流程赋能了真正在群体规模上开展泛基因组辅助精确分析的可能，为大规模队列研究及长读长测序的常规化应用奠定了坚实的计算基石。

* * *

# Sentieon软件介绍

Sentieon为完整的纯软件基因变异检测二级分析方案，其分析流程完全忠于BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard等金标准的数学模型。在匹配开源流程分析结果的前提下，大幅提升WGS、WES、Panel、UMI、ctDNA、RNA等测序数据的分析效率和检出精度，并匹配目前全部第二代、三代测序平台。

![图片](/media/202608/951ca63aaa584da8866852f74329242b8928.png)

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验，致力于解决生物数据分析中的速度与准确度瓶颈，为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案，共同推动基因技术的发展。

截至2026年4月份，Sentieon已经在全球范围内为1860+用户提供服务，用户处理超过7400+PB数据量，被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用，引用次数超过1900篇。此外，Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠，在业内获得广泛认可。