DECoN中最高分辨率的CNV检测工具怎么用

这期内容当中小编将会给大家带来有关DECoN中最高分辨率的CNV检测工具怎么用，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

DECoN是一款CNV检测工具，适用于exon-based的panel测序，可以识别single exon CNV

panel测序在临床上应用广泛，目前利用panel测序数据来检测SNP是比较成熟的，而CNV的检测则缺乏有效的工具。在这样的背景下，DECoN应运而生，开发者在ExomeDepth软件的的基础上进一步修改，主要有以下两点大的改动

1. 新增了检测染色体上第一个外显子区域的变异

2. 在隐马可夫模型中新增了exon之间的距离这一因素

   
   

通过模拟数据和真实数据对软件的性能进行评估，在模拟数据集中，DECoN效果惊人，100%的灵敏度和99%的特异性。真实数据采用了illumina TruSight Cancer Panel测序的结果，最终鉴定出来24个exon CNV，用MLPA技术进行验证，有23个可以检测到，假阳性率4%，更加详细的评估结果请查看文章中的描述。

该软件的运行速度也非常快，还提供了良好的结果可视化，示意如下

上面的折线图展示的是基因上coverage的分布，灰色代表对照样本，蓝色代表实验样本；中间展示的是基因的名称，最下方的散点图代表观测值和期望值之间的比值，灰色区域代表95%置信区间，当比值显著偏离置信区间时，认为该区域存在拷贝数变异。上图所示的红点区域代表实际观测值小于期望值，说明发生了deletion。

软件的源代码保存在github上，链接如下

https://github.com/RahmanTeam/DECoN

具体操作分为以下4步， 对应4个R脚本

1. ReadInBams.R

读取bam文件，计算coverage, 用法如下

Rscript ReadInBams.R \
--bams  bamList.txt \
--bed   Target_Regions.bed \
--fasta hg19.fa \
--out DECoNtest

输入文件为bam文件的列表，目的区域的bed文件，参考基因组的fasta文件，bam文件的格式如下

目的区域bed文件的格式如下

输出结果是一个后缀为RData的文件，保存了样本的coverage信息，该软件中用FPKM值来表示。

2. IdentifyFailures.R

进行质量控制，检测coverage过度的exon区域，相关性较差的样本等，用法如下

Rscript IdentifyFailures.R \
--Rdata DECoNtest.RData \
--exons customNumbering.txt \
--mincorr .98 \
--mincov 100 \
--custom TRUE \
--out DECoNtest

输入文件为第一步产生的RData文件，另外还需要自定义的exon编号的文件

customNumbering.txt

内容示意如下

如果所有的样本和exon区域都符合要求，则该命令不会输出结果，如果有不合格的样本和区域，则需要剔除之后在进行操作。

3. makeCNVcalls.R

进行CNV calling，用法如下

Rscript makeCNVcalls.R \
--Rdata DECoNtest.RData \
--exons customNumbering.txt \
--custom TRUE \
--out DECoNtestCalls \
--plot  All \
--plotFolder DECoNTestPlots

4. runShiny.R

通过R包Shiny构建了一个基于浏览器的交互式结果展示页面，用法如下

Rscript runShiny.R \
--Rdata DECoNtestCalls.RData

可以查看coverage分布图，cnv calling的结果等信息，示意如下

对于panel测序的CNV检测，推荐使用DECoN进行分析。

上述就是小编为大家分享的DECoN中最高分辨率的CNV检测工具怎么用了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注行业资讯频道。