正文
)
(Run ID: NextSeq 500 v2: TruSeq Nano350, (NA12878)_H3GYCBGXX)
上获得。
NA16595
的短插入
(350 bp)
双端测序及
NA12878
的双端测序则在
Illumina NextSeq 500 platform (2X151bp)
进行。测序后的数据均经过质控、去重等，并与人类基因组
hg19
进行比对。比对后
BAM
文件则使用
Samtools (version 1.2)
依照测序深度
1X,3X,5X
分为不同的样本亚组（
Alignment BAM files were sub-sampled to coverage depths of 1X, 3X, and 5X using Samtools (version 1.2)
）。
CNV
的分析方法有两种：一、测序深度法：此种方法通过
CNVnator (version 0.2.7)
来实现，算法过程中大小为
5000bp
的二进制文件用于生成柱状图及统计分析等，产出的
CNV
数据将与从
UCSC
下载的人类参考基因组
hg19
进行比对，接着会滤过大于
300kb
且与基因间隙区重叠超过
50%
的数据及
X
染色体上的主要组织相容性复合物区。
二、不一致配对分析法：
此种方法通过
LUMPY (version 0.6.11)
来实现。节段性的重复及参考基因组中的跳转区被去除，仅调出的缺失及重复的
CNV
被用于数据分析。大于
150kb
的
CNV
也被滤除。
CNV
分析标准
：
经测序深度法检出的
CNV
及
距离
不一致的配对
reads
检出的
CNV
最终合并在一起。如果测序深度法检出的
CNV
与不一致配对分析法检出的
CNV
有至少
50%
的重叠区，则由不一致配对分析法测出的数据代替。与
Haraksingh
等描述的方法一致，合并后的
CNV
将与由
NA12878
基因组数据设定的金标准
CNV
进行比较，结果共分两类：（
1
）有大于或等于
50%
的相应重叠区；（
2
）有大于或等于
10%
却小于
50%
的相应重叠区。合并后的
CNV
依照银标准也可划分为两组：（
1
）有大于
50%
的相应重叠区；（
2
）有小于
50%
的相应重叠区。不同方法检出的
CNV
的敏感性通过计算得出：即检测到的
与
金标准
CNV
大于
50%
重叠
的个数除以先前已鉴定的所有金标准的
CNV
个数。
Array
数据的分析
：
所有样本的
array
测序数据获得后，
仅信号
>10
的连续探针及最大
Log BAF > 10
的
CNV
数据被用于分析。
结果
：
我们按照
Haraksingh
的方法获得了
NA12878
的金标准
CNV
（
GS-CNV
），这些
GS-CNV
是由高可信度的
CNV
算法得到的，且已经过实验验证。
数据分析方法总体概览如
Figure1a
示。测序深度法通过
CNVnator
软件最高可达到
5kb
的分辨率，不一致配对分析法则通过
LUMPY
软件实现。各方法得到的数据经滤过后合并到一起，与
GS-CNVs
及
Haraksingh
等人得到的
array
数据结果进行比较。在测序深度分别为
1X
，
3X
及
5X
的结果中，短插入文库构建法分别检测到了
182
、
405
、
535
个常染色体
CNVs
（补充表
1
及
Figure1b
），
3kb
文库构建
WGS
法则分别检测到了
452
、
689
、和
