Cartografía de Variaciones Estructurales Genómicas en Defectos Congénitos Mayores

Basándose en la secuenciación de ADN de lectura larga de casos realizada en los Temas del Proyecto 1 y 3, este estudio incorpora muestras de casos y controles, junto con sus datos de secuenciación de lectura larga. Se eligió la plataforma PacBio Revio para la secuenciación de ADN de lectura larga, y se realizó un análisis estándar de secuenciación de lectura larga del genoma completo en 50 casos. Sobre la base del primer mapa de referencia del pangenoma de la población china ya construido, se añadieron 50 muestras de control representativas para la secuenciación de lectura larga con el fin de construir un nuevo mapa de referencia del pangenoma de la población china. Los detalles específicos son los siguientes:

1. Extracción de características de variación estructural (VE) y codificación de genomas de casos de defectos congénitos, y establecimiento de un método de detección de VE basado en la codificación de características. Se utilizó la obtención de imágenes de secuencias para eliminar la información repetitiva de fondo de las señales de alineación de sitios, facilitando así la detección de VE en regiones genómicas complejas. Se exploró un método de codificación de "compresión de imagen", utilizando un enfoque de "apilamiento" para caracterizar características de secuencia anormales entre casos de defectos congénitos y controles parentales o controles poblacionales dentro de una sola imagen. Basándose en los resultados de la alineación del genoma completo, se identificaron las regiones genómicas que contienen secuencias anormales en casos de defectos congénitos. Se estableció un método de realineación local sensible a puntos de ruptura basado en segmentos colineales para extraer características de fragmentos de VE presentes en las lecturas de secuenciación entre casos de defectos congénitos y controles parentales o controles poblacionales. El estudio se centró en investigar un marco de red neuronal convolucional isomorfa capaz de realizar simultáneamente segmentación y clasificación de objetivos, logrando ambas en la detección de VE.
2. Construcción de un mapa de referencia del pangenoma de la población china basado en datos de secuenciación de ADN de lectura larga. Aprovechando la tecnología de secuenciación de tercera generación del genoma completo, se secuenciaron muestras de ADN de múltiples grupos étnicos de China, y se realizó la visualización del ensamblaje del pangenoma. Se construyeron genomas de referencia específicos de grupos étnicos para formar un grafo de pangenoma, integrando secuencias de ADN de diferentes poblaciones. Las variantes genéticas o secuencias con diferencias se consideraron nodos, y las secuencias adyacentes se conectaron mediante aristas, identificando así secuencias génicas centrales y específicas en la población china. Este esfuerzo tiene como objetivo establecer un mapa de referencia de pangenoma de alta calidad exclusivo para la población china, centrándose en estudiar mapas de variación estructural (VE) del genoma completo para apoyar el análisis preciso de VE raras o novedosas en defectos congénitos.
3. Mapeo del mapa detallado de VE de los principales defectos congénitos en la población china. La detección de VE se lleva a cabo mediante dos enfoques: el enfoque del genoma lineal y el enfoque del pangenoma. El enfoque del genoma lineal emplea métodos de detección lineal convencionales para identificar variantes genéticas. El enfoque del pangenoma implica la construcción de un mapa genómico utilizando genomas ensamblados de novo, el genoma de referencia humano universal (GRCh38), y muestras de variantes genéticas y casos de defectos congénitos descubiertos en la población china. Estos dos enfoques se validan y complementan mutuamente, integrando los resultados de VE obtenidos. Se establecen umbrales basados en criterios como la ubicación de las variantes y la similitud de secuencias, y se eliminan los resultados redundantes.