Mappatura delle Variazioni Strutturali Genomiche nei Principali Difetti Congeniti

Basandosi sul sequenziamento di DNA a lettura lunga dei casi condotto nei Progetti Tematici 1 e 3, questo studio incorpora campioni di casi e controlli, insieme ai loro dati di sequenziamento a lettura lunga. La piattaforma PacBio Revio è stata scelta per il sequenziamento di DNA a lettura lunga, e l'analisi standard di sequenziamento dell'intero genoma a lettura lunga è stata eseguita su 50 casi. Costruendo sulla prima fase della mappa di riferimento del pan-genoma della popolazione cinese già costruita, sono stati aggiunti 50 campioni di controllo rappresentativi per il sequenziamento a lettura lunga per costruire una nuova mappa di riferimento del pan-genoma della popolazione cinese. I dettagli specifici sono i seguenti:

1. Estrazione delle caratteristiche di variazione strutturale (SV) e codifica dei genomi dei casi di difetti congeniti, e stabilimento di un metodo di rilevamento SV basato sulla codifica delle caratteristiche. È stata utilizzata l'imaging di sequenza per eliminare le informazioni ripetitive di sfondo dai segnali di allineamento dei siti, facilitando così il rilevamento SV nelle regioni genomiche complesse. È stato esplorato un metodo di codifica "compressione dell'immagine", utilizzando un approccio "a strati" per caratterizzare le caratteristiche di sequenza anomale tra i casi di difetti congeniti e i controlli parentali o di popolazione all'interno di una singola immagine. Basandosi sui risultati dell'allineamento dell'intero genoma, sono state identificate le regioni genomiche contenenti sequenze anomale nei casi di difetti congeniti. È stato stabilito un metodo di riallineamento locale sensibile ai punti di rottura basato su segmenti collineari per estrarre le caratteristiche dei frammenti SV trasportati nelle letture di sequenziamento tra i casi di difetti congeniti e i controlli parentali o di popolazione. Lo studio si è concentrato sulla ricerca di un framework di rete neurale convoluzionale isomorfa in grado di segmentazione e classificazione simultanea degli obiettivi, raggiungendo entrambe nel rilevamento SV.
2. Costruzione di una mappa di riferimento del pan-genoma della popolazione cinese basata sui dati di sequenziamento di DNA a lettura lunga. Sfruttando la tecnologia di sequenziamento dell'intero genoma di terza generazione, sono stati sequenziati campioni di DNA di più gruppi etnici in Cina, ed è stata realizzata la visualizzazione dell'assemblaggio del pan-genoma. Sono stati costruiti genomi di riferimento specifici per etnia per formare un grafico del pan-genoma, integrando sequenze di DNA di diverse popolazioni. Le varianti genetiche o le sequenze con differenze sono state considerate nodi, e le sequenze adiacenti sono state collegate da bordi, identificando così le sequenze geniche centrali e specifiche nella popolazione cinese. Questo sforzo mira a stabilire una mappa di riferimento del pan-genoma di alta qualità esclusiva per la popolazione cinese, con un focus sullo studio delle mappe di variazione strutturale (SV) dell'intero genoma per supportare l'analisi precisa di SV rare o nuove nei difetti congeniti.
3. Mappatura della mappa SV dettagliata dei principali difetti congeniti nella popolazione cinese. Il rilevamento SV viene effettuato attraverso due approcci: l'approccio del genoma lineare e l'approccio del pan-genoma. L'approccio del genoma lineare impiega metodi di rilevamento lineari convenzionali per identificare varianti genetiche. L'approccio del pan-genoma comporta la costruzione di una mappa del genoma utilizzando genomi assemblati de novo, il genoma di riferimento umano universale (GRCh38), e campioni di varianti genetiche e casi di difetti congeniti scoperti nella popolazione cinese. Questi due approcci si convalidano e completano reciprocamente, integrando i risultati SV ottenuti. Le soglie sono impostate in base a criteri come la posizione delle varianti e la somiglianza delle sequenze, e i risultati ridondanti vengono rimossi.