RNA 测序 SNP 基因分型填补策略：猪基因组研究的新突破

为解决 RNA-seq 数据基因分型信息缺失问题，研究人员评估 RNA-SNPs 基因分型填补准确性，为相关研究提供指导。

　　RNA 测序（RNA-seq）是一种强大的转录组分析工具，能够助力研究基因表达的调控机制。它就像一个精密的探测器，能深入细胞内部，检测基因的活动情况。然而，RNA-seq 也存在 “短板”。在检测非转录区域或低表达水平区域的遗传变异时，它常常 “力不从心”，导致检测到的遗传变异比 DNA 测序（DNA-seq）少很多。这就好比用一把有缺口的尺子去测量物体，得到的结果并不完整。这些缺失的基因型信息会影响下游分析的准确性和可靠性，就像拼图缺了关键的几块，无法完整呈现图案。为了解决这一问题，华南农业大学的研究人员开展了一项关于 RNA-seq 数据中 SNP（单核苷酸多态性，Single Nucleotide Polymorphism）基因分型填补策略的研究，相关成果发表在《BMC Genomics》上。

研究人员主要运用了以下关键技术方法：首先，利用来自 300 头猪的全基因组测序（Whole Genome Sequencing，WGS）数据作为 “金标准”，这些数据就像是精准的基因地图。接着，以猪基因组参考面板（Pig Genomic Reference Panel，PGRP）作为参考面板，它为基因分型填补提供了重要的参照依据。然后，通过特定软件对数据进行处理和分析，如用 SnpEff 分析 RNA-seq 样本和 WGS 数据，用 Beagle、Minimac4 和 Impute5 进行基因分型填补等。

研究结果如下：

• 目标面板：通过基于 RNA-seq 数据的 SNP 特征对 WGS 数据进行掩码处理，得到目标面板。研究发现，RNA-SNP 数据中八个基因组区域的 SNP 平均占比为 97.31%，WGS 数据中为 99.77%，且目标面板 SNP 与实际 RNA-SNP 分布高度一致，相关系数达 0.99。
• Chip-SNPs 和 RNA-SNPs 的填补准确性：RNA-SNPs 的平均 CR（一致性比率，Concordance Rate）为 0.895 - 0.933，r2（决定系数）为 0.745 - 0.817；Chip-SNPs 的平均 CR 为 0.873 - 0.909，r2为 0.629 - 0.698。RNA-SNPs 在各基因组区域的填补准确性均高于 Chip-SNPs，但在 “基因间” 区域r2值相对较低。同时，研究还发现 SNP 计数与填补准确性密切相关，当 RNA-SNPs 的 SNP 计数每 Mb 超过 200 时，填补准确性趋于稳定。
• 填补后质量控制指标：研究人员用 MAF（次要等位基因频率，Minor Allele Frequency）和DR2（剂量 R 平方，Dosage R-Squared）进行质量控制。结果显示，排除低 MAF 区域后，CR 随 MAF 质量控制阈值升高而降低，r2在排除 MAF < 0.05 的 SNP 后显著提高；DR2质量控制时，CR 和r2随阈值升高而增加，但 SNP 保留率迅速下降。这表明 MAF 和DR2可作为有效的质量控制指标，选择合适阈值时需平衡准确性和 SNP 保留率。
• 常见填补软件评估：评估 Beagle v5.4、Minimac4 v4.1.6 和 Impute5 v1.2.0 三种软件性能，发现三者全局准确性无显著差异，在 “基因间” 区域填补准确性最低。在计算资源消耗方面，Minimac4 平均运行时间最短，Impute5 最长；Impute5 内存使用最少，Beagle 最多。单线程条件下，Minimac4 计算效率更优，而多线程条件下 Beagle 并发支持最高且功能集成度高。

研究结论和讨论部分指出，RNA-SNPs 在基因分型填补准确性上优于 Chip-SNPs，过滤 MAF < 0.05 的 SNP 可提高准确性和 SNP 保留率，基于DR2的质量控制则需权衡准确性和 SNP 产量。虽然三种软件在未进行质量控制时填补准确性相近，但选择软件时还需考虑可用性和资源效率。不过，该研究也存在一定局限性，如测序深度可能影响填补准确性，研究结果在其他物种中的通用性也需进一步验证。总体而言，这项研究为 RNA-SNPs 基因分型填补策略提供了有价值的参考，有助于推动基因组和转录组研究的发展，就像为基因研究领域点亮了一盏新的明灯，为后续研究指引了方向。