[论文解读] Rare-Allele Detection Using Compressed Se(que)nsing

Noam Shental, Amnon Amir+1 more|ArXiv.org|Sep 2, 2009

Advanced biosensing and bioanalysis techniques参考文献 45被引用 9

一句话总结

本文提出了一种基于压缩感知的池化设计，用于在大规模人群中高效检测稀有等位基因携带者，采用低深度重测序。通过将池化测序数据建模为稀疏信号恢复问题，该方法仅使用约10个测序通道和约10个条形码，即可识别出4,000人中仅4人的稀有等位基因携带者，显著优于传统方法的成本效益。

ABSTRACT

Detection of rare variants by resequencing is important for the identification of individuals carrying disease variants. Rapid sequencing by new technologies enables low-cost resequencing of target regions, although it is still prohibitive to test more than a few individuals. In order to improve cost trade-offs, it has recently been suggested to apply pooling designs which enable the detection of carriers of rare alleles in groups of individuals. However, this was shown to hold only for a relatively low number of individuals in a pool, and requires the design of pooling schemes for particular cases. We propose a novel pooling design, based on a compressed sensing approach, which is both general, simple and efficient. We model the experimental procedure and show via computer simulations that it enables the recovery of rare allele carriers out of larger groups than were possible before, especially in situations where high coverage is obtained for each individual. Our approach can also be combined with barcoding techniques to enhance performance and provide a feasible solution based on current resequencing costs. For example, when targeting a small enough genomic region (~100 base-pairs) and using only ~10 sequencing lanes and ~10 distinct barcodes, one can recover the identity of 4 rare allele carriers out of a population of over 4000 individuals.

研究动机与目标

• 为解决大规模人群重测序检测稀有等位基因所面临的高成本和低效率问题。
• 开发一种通用、可扩展且高效的池化策略，可在不预先知晓携带者身份的情况下识别稀有等位基因携带者。
• 利用压缩感知理论，从池化测序数据中重建稀疏基因型信号。
• 整合条形码技术以提升实验可行性与可扩展性。
• 在当前测序成本限制下，通过真实基因组靶标验证该方法的可行性与性能。

提出的方法

• 该方法将池化DNA测序建模为压缩感知问题，将个体基因型视为稀疏信号向量。
• 使用随机二进制感知矩阵定义池的组成，通过l1-最小化实现高效信号恢复。
• 利用每个池的测序数据估计等位基因频率，再通过反演恢复个体携带者身份。
• 该方法假设稀疏性——仅少数个体携带稀有等位基因，因此适用于稀有变异检测。
• 通过整合条形码技术，实现在单个测序通道中并行处理多个池，降低测序成本并提高通量。
• 在真实误差模型和覆盖度条件下，通过大量计算机模拟对方法进行了验证。

实验结果

研究问题

• RQ1 压缩感知能否有效应用于大规模重测序研究中检测稀有等位基因携带者？
• RQ2 与传统池化方案相比，压缩感知池化设计在可扩展性和准确性方面的表现如何？
• RQ3 在保持高灵敏度和特异性的同时，该方法可高效筛查的最大个体数量是多少？
• RQ4 测序覆盖度和错误率如何影响该方法在携带者识别中的可靠性？
• RQ5 条形码技术能否与压缩感知有效结合，以降低测序成本并提高通量？

主要发现

• 该方法仅使用约10个测序通道和约10个不同条形码，成功恢复了4,000多名个体中4名稀有等位基因携带者的身份。
• 模拟结果表明，该方法可在比以往更大型群体中实现检测，尤其在高覆盖度条件下表现更优。
• 即使在保守的0.5%–1%错误率下，该方法仍保持稳健性能，表明其具备实际可行性。
• 自适应群体检测——根据先前重建结果动态更新池化设计——可减少不必要的测序通道，从而提高效率。
• 该方法对频率低于5%的稀有等位基因仍具有效用，超过此阈值后传统“单个个体一个通道”方法更优。
• 该框架可扩展至其他变异类型，如拷贝数变异和稀有易位，其中读深或配对末端定位可作为信号来源。