变异检测与分析
变异检测与分析
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT SAMPLE chr1 1527 . A G 229.77 PASS DP=60;MQ=59 GT:AD:DP 0/1:28,32:60 chr1 2341 . C T 512.03 PASS DP=88;VQSLOD=4.2 GT:AD:DP 1/1:0,88:88 chr1 3112 . TA T 99.21 PASS DP=45;INDEL GT:AD:DP 0/1:30,15:45
变异检测的结果质量高度依赖数据质量、比对准确性与过滤参数。分析实践中建议遵循成熟的 Best Practices 流程，使用金标准集评估灵敏度与特异性。理解 VCF 字段与过滤逻辑，才能正确解读变异数据、评估变异位点可信度，并理解为什么同一批数据不同流程可能给出不同结果。变异解读最终服务于精准医疗中的疾病诊断与用药指导。
变异检测的常用流程
变异检测的任务是找出个体基因组与参考基因组之间的差异，包括单核苷酸变异、插入缺失、结构变异与拷贝数变异。标准流程是：先把测序 reads 比对到参考基因组（BWA-MEM），经排序、去重、碱基质量重校准后，用变异检测软件（如 GATK HaplotypeCaller、freebayes）逐位点判断基因型，输出 VCF 格式文件。VCF 每行记录一个变异位点，包含位置、参考碱基、替代碱基、基因型与质量信息。
变异检测的难点在于测序错误与真实变异难以区分，因此依赖质量得分、覆盖深度、等位基因平衡度等证据综合判断。群体的变异检测还需要做联合基因分型与变异质控（如 GATK 的 VQSR 或硬过滤），剔除假阳性。变异注释（如 ANNOVAR、SnpEff）把变异映射到基因、功能影响（错义、无义、剪接位点）与已知数据库信息，为疾病研究提供生物学解释。针对家族样本，还需做孟德尔一致性检查。
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT SAMPLE chr1 1527 . A G 229.77 PASS DP=60;MQ=59 GT:AD:DP 0/1:28,32:60 chr1 2341 . C T 512.03 PASS DP=88;VQSLOD=4.2 GT:AD:DP 1/1:0,88:88 chr1 3112 . TA T 99.21 PASS DP=45;INDEL GT:AD:DP 0/1:30,15:45
变异检测的"全流程"：从比对到变异再到解读
变异检测（variant calling）是从测序数据中识别基因组变异的流程，其"全流程"值得掌握：比对（短读长比对到参考基因组——BWA——"参考基因组是变异的坐标系"）；变异检测（SNP（单核苷酸变异——GATK HaplotypeCaller、freebayes——基于贝叶斯与隐马尔可夫的基因型判定）；InDel（插入缺失——比对空隙）；结构变异（SV——大片段缺失/重复/倒位/易位——需要专门的检测工具（Manta、Delly）与长读长支持））；变异过滤与质控（质量值、深度、等位基因平衡——"过滤掉测序噪声"）；以及变异注释与解读（变异的影响（外显子区的非同义突变 → 氨基酸改变 → 功能影响）、数据库注释（dbSNP、ClinVar——已知变异的致病性）、以及"致病性评估"（ACMG 指南——"变异是否致病的证据评估"））。
变异检测的"应用场景"：疾病研究（罕见病诊断（WES/WGS 找致病变异）、肿瘤基因组（体细胞变异——肿瘤的驱动突变（driver mutation）——"癌症是基因组病"）、群体遗传学（人群变异图谱——1000 Genomes、中国人群基因组——"人群的遗传多样性"））。做一个"变异思维"练习：理解"参考基因组 vs 个体基因组"（参考基因组是"共识序列"——个体与参考的差异 = 变异——"变异是相对于参考的差异"）；理解"种系变异 vs 体细胞变异"（种系（遗传——所有细胞携带）vs 体细胞（获得性——肿瘤细胞特有——肿瘤变异检测的配对样本（肿瘤 vs 正常）设计——"体细胞变异的识别需要对照"）。变异检测是"基因组医学"的核心技术——从罕见病诊断到肿瘤精准治疗，变异分析把"基因组序列"转化为"临床可用的信息"。
回顾本节核心：变异检测流程（比对→检测→过滤→注释）；种系 vs 体细胞变异；变异在疾病（罕见病、肿瘤）中的应用。变异分析是"基因组医学"的核心——把"序列差异"转化为"临床信息"。
记住一句话：变异是"相对于参考的差异"——从检测（比对+贝叶斯）到解读（注释+致病性评估），变异分析是基因组医学的核心。
从实践角度理解变异：做一个「变异检测」练习——用 GATK 流程对一份 WES 数据做变异检测——查看 VCF 文件（质量值、深度、等位基因频率）——再做一个「解读」练习——把变异注释到基因与临床意义（ClinVar）——「从 VCF 到临床解读」是基因组医学的核心操作。
补充一点：变异检测的「质量控制」是临床级应用的前提——低覆盖度位点、链偏好、映射质量都会产生假阳性——「GATK 的最佳实践流程（BQSR、VQSR）正是为控制假阳性而设计」——理解质控，你就理解了变异检测「为什么这么严谨」。 记住变异检测的「一句话总结」：变异是「相对于参考的差异」，检测是「从海量读长中可靠地识别差异」，解读是「把差异转化为生物学与临床意义」——三步环环相扣，共同构成基因组医学的数据基础。 补充：变异检测的「数据规模」值得感知——一次全基因组测序产生数百万个变异（SNP 约 300-400 万、InDel 约 50 万）——「从数百万变异中找出致病的那一个」是罕见病诊断的核心挑战——变异分析的「过滤与优先级排序」因此至关重要。