Sentieon | 应用教程：使用CNVscope进行CNV检测分析

# 一、背景介绍

CNV检测已成为全基因组分析的常规内容，并显著提升了阳性诊断率。然而，由于实验室水平和所使用软件的差异，目前仍难以全面、准确地覆盖CNV的检测与细节分析。尤其在数据分析环节，目前尚无开源软件能够在性能优越的同时，全面解决这一问题。以流行的CNVnator为例，这是一款基于Read Depth（RD）原理的拷贝数变异检测软件，主要用于全基因组数据分析。CNVnator不仅能在人群中进行拷贝数变异检测和基因分型，还能根据需求鉴定一些非典型CNV。

![](https://img2024.cnblogs.com/blog/3218664/202409/3218664-20240902153202968-1802303644.jpg#align=center)

总体而言，CNVnator具备较高的灵敏度、较低的错误发现率、并且其断点检测分辨率较高。然而，作为一款经典软件，CNVnator在应对现今多平台测序数据和新一代参考基因组等最新数据类型时，已表现出一定的局限性。

***

# 二、适用场景
CNVscope是Sentieon推出的一款基于机器学习的全基因组CNV分析检测模块。该模块主要用于检测大于5kb的拷贝数增加或缺失，方法是通过分析读段的深度信息，并结合断点检测等其他特征进行拷贝数判断。

***

# 三、环境必备
* 软件授权：License须开通CNV模块权限
  
* 软件下载：https://ftp.insvast.com/user/Sentieon/release/arm-sentieon-genomics-202503.02.tar.gz

* 模型下载：https://insvast-download.oss-cn-shanghai.aliyuncs.com/Sentieon/release/ml_model/SentieonIlluminaWGS2.2.bundle

注意：安装包下载链接需要用户名及密码，请在毅硕科技公众号后台发送"Sentieon安装包"进行获取。

***

# 四、分析流程

运行两条独立的命令来进行 CNV 检测和应用机器学习模型。输入的BAM文件应来自已经完成比对和去重复的流程。

```
sentieon driver [--interval INTERVAL_FILE] -t NUMBER_THREADS \
-r REFERENCE -i DEDUPED_BAM --algo CNVscope \
--model ML_MODEL/cnv.model TMP_VARIANT_VCF

sentieon driver -t NUMBER_THREADS -r REFERENCE --algo CNVModelApply \
--model ML_MODEL/cnv.model -v TMP_VARIANT_VCF VARIANT_VCF
```

**注意**：在 CNVscope 和 CNVModelApply 中使用相同的模型至关重要。如果使用不同的模型，CNVModelApply将会报错。

***

# 五、参数说明

**该命令需要以下必选参数**

* `NUMBER_THREADS`：计算中将使用的线程数。我们建议该数量不要超过您系统中可用的计算核心数。
  
* `REFERENCE`：参考FASTA文件的路径。您应确保该参考序列与映射阶段使用的参考相同。

* `DEDUPED_BAM`：输入BAM文件的路径。
* `TMP_VARIANT_VCF`： CNVscope变异检测输出的临时文件路径和文件名。
* `VARIANT_VCF`：变异检测输出的路径和文件名。系统将创建一个相应的索引文件。若使用 .gz 扩展名，该工具将输出一个压缩文件。

- `ML_MODEL`：机器学习模型文件的位置。在 CNVscope 命令中，该模型将用于确定变异检测中使用的设置。

**该命令可选以下输入参数：**

*   `INTERVAL_BED`：包含变异检测区间的 BED 文件位置。

***

# 六、结果说明

最终输出的 VCF 文件对 CNVscope 机器学习模型检测到的每个区域使用 CN 注释来表示拷贝数状态。CNVscope 检测到的可能拷贝数状态从 0 到 4，其中 CN=4 代表等于或大于 4 的拷贝数状态。

***

# 七、对男性样本使用 CNVscope

CNVscope 将在整个基因组或提供的 --interval 文件中的基因组区域执行二倍体变异检测。在人类男性样本中，应分别在二倍体和单倍体染色体上执行变异检测。这可以通过运行两次 CNVscope 和 CNVModelApply 来实现，一次针对二倍体常染色体，另一次针对单倍体 X 和 Y 染色体，并使用` --interval `参数。

```
sentieon driver --interval AUTOSOMES_BED -t NUMBER_THREADS \
-r REFERENCE -i DEDUPED_BAM --algo CNVscope \
--model ML_MODEL/cnv.model TMP_DIPLOID_VCF

sentieon driver --interval AUTOSOMES_BED \
-t NUMBER_THREADS \
-r REFERENCE --algo CNVModelApply --model ML_MODEL/cnv.model \
-v TMP_DIPLOID_VCF DIPLOID_VCF

sentieon driver --interval HAPLOID_BED -t NUMBER_THREADS \
-r REFERENCE -i DEDUPED_BAM --algo CNVscope \
--model ML_MODEL/cnv.model TMP_HAPLOID_VCF

sentieon driver --interval HAPLOID_BED \
-t NUMBER_THREADS \
-r REFERENCE --algo CNVModelApply --model ML_MODEL/cnv.model \
-v TMP_HAPLOID_VCF HAPLOID_VCF
```

该命令需要以下参数：

- `AUTOSOMES_BED`：包含二倍体常染色体的 BED 文件位置。

- `HAPLOID_BED`：包含单倍体染色体的 BED 文件位置。

在生成包含单倍体和二倍体检测结果的 VCF 后，可以使用 bcftools 合并这两个 VCF 文件。

```
bcftools concat -aD DIPLOID_VCF HAPLOID_VCF | \
sentieon util vcfconvert - VARIANT_VCF
```

***

# 八、附录：研发细节

在CNVscope的开发过程中，建立新一代的CNV真集用于训练和测试是最为关键的一步。目前常用的CNV真值集主要来自GIAB的HG002项目和千人基因组计划。然而，由于这些真值集依赖于早期的短读长技术，特别是在低复杂度区域的准确性存在一定问题。

随着测序技术的进步，尤其是长读长测序的发展，使得染色体级别的全基因组组装成为可能。例如，HG002 T2T（端到端）联盟最近宣布完成了HG002所有46条染色体的完整组装，使得样本的结构变异（SV）表征更加准确。同样，Human Pangenome Reference Consortium（人类泛基因组参考联盟）也发布了多个高质量的组装结果，为业内研究者开发最新的分析工具提供了基础。

Sentieon团队在此次开发中，主要采用了最新的HG002 T2T真集以及泛基因组项目中的15个样本。这些真集利用了第三代测序数据，大大提升了结构变异检测的准确性。我们从这些真集中提取了超过5kb的DUP（重复）和DEL（缺失）变异，作为CNVscope开发的真集数据。其中，11个图形基因组样本作为训练集，其余4个样本和T2T数据作为测试集。所有数据均来自约30x深度的全基因组测序。

![](https://img2024.cnblogs.com/blog/3218664/202409/3218664-20240902153355192-1512717348.jpg#align=center)

为展示准确度，我们将CNVscope与先前提到的CNVnator （v0.4.1） 和Illumina开发的DRAGEN CNV （v4.2） 在不同数据集上进行了逐一对比。

![](https://img2024.cnblogs.com/blog/3218664/202409/3218664-20240902153338553-1272653816.jpg#align=center)

<center>图1 拷贝数重复事件</center>

![](https://img2024.cnblogs.com/blog/3218664/202409/3218664-20240902153347305-334235214.jpg#align=center)

<center>图2 拷贝数缺失事件</center>

从结果来看，Sentieon CNVscope 在WGS中的表现相较于现有的CNV工具，展现出极高的准确性（F1值）。目前，CNVscope正处于持续迭代阶段，当前主要聚焦于检测大于5kb的胚系WGS事件，而小于5kb的复制和缺失则由DNAscope的结构变异检测模块处理。

**未来，CNVscope还将推出适用于外显子组测序（WES）数据和体细胞CNV的分析流程。**

[**想了解更多Sentieon软件应用教程，可以点击此处进行跳转**](https://doc.insvast.com/doc/10/)