Sentieon | 基于Ultima WGS数据的高精度、低成本的泛基因组分析测评

长期以来，线性参考基因组一直是基因组分析的核心基础。然而，人类基因组本身具有高度多样性，单一、线性的单倍体参考序列难以完整覆盖不同人群中的复杂单倍型结构。在样本单倍型与参考基因组差异较大的区域，传统分析流程容易产生比对偏好、假阳性或假阴性变异检测结果。

对于 Ultima WGS 数据而言，这一问题还会进一步叠加平台相关的上下文依赖型错误特征，尤其是在同聚物等复杂区域中，对小变异检测提出了更高要求。

为提升 Ultima 全基因组测序数据的胚系变异检测精度与分析效率，Sentieon 推出了面向 Ultima 数据优化的 DNAscope Pangenome 分析流程。该流程提供从 FASTQ 到 VCF 的一站式分析方案，可在标准 x86 与 ARM CPU 平台上运行，无需专用硬件，兼顾准确性、运行速度与规模化分析成本。

* * *

# 一、DNAscope Pangenome 工作原理

Sentieon DNAscope Pangenome 流程的核心思路，是利用泛基因组信息为每个样本构建个性化参考，从而改善线性参考基因组在复杂区域中的比对和变异检测表现。

![图片](/media/202608/f28819cbd89941a2820502561d2d07ce8570.png)

*图1  DNAscope Pangenome 分析流程工作原理*

1.  流程首先对输入数据中的 k-mer 进行统计，并与完整的泛基因组图谱进行匹配，识别与样本最接近的单倍型。
    
2.  测序 reads 首先比对到 GRCh38/hg38 线性参考基因组上。
    
3.  流程再提取候选区域中的特定 Reads，将其选择性地重新比对至与样本匹配度最高的泛基因组单倍型。
    
4.  完成重新比对后，更新后的比对结果会被回推到 GRCh38/hg38 坐标体系中。

通过这一设计，流程既能利用泛基因组信息提升复杂区域的分析准确性，又能保持与现有下游工具、数据库和标准流程的兼容性。在小变异检测环节，Sentieon DNAscope 负责 SNP 与 Indel 的发现和基因分型。该流程目前支持 HPRC minigraph-cactus 泛基因组，并已为后续更大规模的 HPRC 版本做好技术准备。

* * *

# 二、DNAscope Pangenome 流程结果

本次测评使用 Sentieon Ultima model v1.2，并基于 Ultima 在 AGBT 2025 发布的已比对 CRAM 文件进行分析。测评采用 Genome in a Bottle（GIAB）v4.2.1 标准集，数据为 30× Ultima WGS 下采样数据。

## （1）小变异检测准确性

在 GIAB v4.2.1 基准测试中，DNAscope Pangenome 在 30× Ultima WGS 数据上取得了较高的小变异检测准确性。SNP F1 分数超过 99.8%，总错误数约为 10,000；Indel F1 分数超过 95.0%，总错误数约为 50,000；整体表现显著优于其他兼容 Ultima 数据的分析流程。

结果表明，在 Ultima WGS 数据场景下，DNAscope Pangenome 能够提供稳定可靠的 SNP 检测表现，并在 Indel 检测中体现出泛基因组分析的优势。

![图片](/media/202608/e3ecb26c914d48ce8e9b15b9784868027985.png)

*图2  30× Ultima WGS 数据集中 DNAscope Pangenome 的错误计数，在 HG001–HG007 样本中，总错误数大约落在30k到80k之间，其中 Indel 假阴性（FN）构成了最主要的错误来源。值得注意的是，样本 HG003 在模型未参与训练，因此其性能表现反映了真实的样本外准确率。*

![图片](/media/202608/350b5755fe2b41218a3adc5522c5e32c7075.png)

*图3 准确性概览——30× Ultima 全基因组测序（WGS）数据上的 DNAscope Pangenome 表现*

值得注意的是，Indel 错误主要集中在长同聚物区域，长度大于 7 bp 的长同聚物区域贡献了大部分错误。如果排除 AllHomopolymers_ge7bp_imperfectge11bp_slop5 区域，约占真集变异的 10%，总错误数可从约 80,000 降至低于 15,000，Indel F1 分数提升至 99% 以上。

这表明 Ultima 数据的主要挑战集中在长同聚物等特定上下文区域。排除这些区域后，错误数显著下降，Ultima 数据的表现可达到与 Illumina 线性基因组分析相当的水平。

![图片](/media/202608/ad934ac53d0c40008293fc5f27972ea37190.png)

*图4 HG002 数据集在三种工作流下的错误计数，分别为 Ultima 泛基因组流程（DNAscope Pangenome）、Illumina 线性基因组流程（DNAscope）以及 Illumina 泛基因组流程。 实色柱状图代表长同聚物区域（Long homopolymer regions，即 AllHomopolymersge7bpimperfectge11bpslop5 区域）之外的错误；虚线框则代表这些区域内部的错误。 排除长同聚物区域后，错误数显著降低，并使 Ultima 的性能表现与 Illumina 相当。*

## （2）分析效率与计算成本

在输入为预比对全基因组数据的情况下，DNAscope Pangenome 的变异检测流程约 100 分钟即可完成，对应约 110 核小时。按照云端按需计算资源估算，单样本分析成本仅为几美元级别。

这表明，Ultima WGS 的低测序成本可以与 Sentieon 的高效软件分析流程形成互补：前端降低测序成本，后端降低计算成本，同时保持高质量变异检测结果。对于大规模人群队列、临床转化、药物靶点发现以及常规胚系变异分析项目而言，有助于降低单位样本分析成本，并提升大规模数据处理的可落地性。

![图片](/media/202608/62e75f547fbb42c889b2c23985e170de1123.png)

*图5 DNAscope Pangenome 在 30× Ultima 全基因组测序（WGS）数据上的效率指标*

* * *

# 三、总结

Sentieon DNAscope Pangenome 为 Ultima WGS 数据提供了一套更适合规模化应用的胚系变异分析方案。通过泛基因组策略弥补线性参考基因组在复杂区域中的不足，同时结合针对 Ultima 数据特征的模型优化，进一步改善同聚物相关 Indel 的检测表现。

* * *

# 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/abf2509283f8489aa78036e1cc44cd3b7673.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。