编辑推荐：
结构变异（SVs）检测对疾病研究至关重要，但牛津纳米孔（ONT）长读长测序工具有限。本研究开发 ConsensuSV-ONT 算法，整合 6 种 SV 检测工具及卷积神经网络（CNN）过滤变异。结果显示其性能优于单一工具，为 ONT 数据 SV 分析提供高效方案。
基因组学研究中，结构变异（Structural Variants, SVs）作为长度大于 50 碱基对的基因组改变，与多种疾病的发生机制密切相关。然而，现有针对牛津纳米孔（Oxford Nanopore, ONT）长读长测序技术的结构变异检测工具有限，且不同算法存在偏差，单一工具难以兼顾准确性与全面性。如何整合多工具结果、提升 ONT 数据中结构变异检测的可靠性，成为领域内亟待解决的问题。
为此，华沙理工大学（Warsaw University of Technology）与华沙大学（University of Warsaw）等机构的研究人员开展了相关研究，开发了全新的 ConsensuSV-ONT 算法，并在《Scientific Reports》发表研究成果。该研究旨在通过整合多工具共识与机器学习技术，构建适用于 ONT 数据的高效结构变异检测流程，为下游疾病关联分析提供高质量数据基础。
研究主要采用以下关键技术方法：
- 多工具整合流程：利用 CuteSV、Sniffles2、SVIM 等 6 种长读长测序结构变异检测工具生成候选变异集，通过 Truvari 工具合并结果并去除重叠变异。
- 卷积神经网络（CNN）模型：将变异区域编码为 50×50×3 的图像矩阵，分别训练针对缺失（DEL）和插入 / 重复（INS/DUP）的分类模型，以过滤高质量变异。
- 自动化 pipeline：基于 Nextflow 构建 Docker 容器化流程，支持从原始 ONT 数据到最终变异列表的全流程自动化处理，实现多样本并行计算。
研究结果
1. ConsensuSV-ONT 流程概述
算法分为四个阶段：
- 候选变异生成：通过 6 种工具检测变异，经 Truvari 合并去重后形成非重叠候选集。
- 变异标注：利用 Truvari bench 模块将变异分为真实阳性（TP）和假阳性（FP）集合，用于模型训练。
- 图像编码：将变异区域的比对信息编码为 RGB 图像，保留映射、缺失等关键特征。
- CNN 训练：采用三样本交叉验证，独立训练 DEL 和 INS/DUP 模型，以 0.5 为概率阈值区分真假变异。
2. 检测性能评估
在 HG00733、HG00514、NA19240 三个数据集上，ConsensuSV-ONT 的 F1 分数显著优于单一工具及现有方法（如 cnnLSV）。例如，在缺失检测中，其 F1 分数达 0.6577-0.6733，远超 CuteSV（0.3418-0.3844）和 Sniffles（0.4489-0.4971）。合并工具结果虽提升召回率，但精度较低，而 ConsensuSV-ONT 通过 CNN 过滤有效平衡了精度与召回率。
3. 测序方法差异与编码分析
对比 ONT、PacBio、Illumina 数据的变异编码图像发现，ONT 数据在大缺失检测中表现更稳定，而 PacBio 数据因片段化严重可能导致模型误判。例如，在 9637 bp 缺失检测中，Illumina 因 reads 映射不足无法识别，仅长读长技术（ONT、PacBio）能正确检测，显示 ONT 在复杂变异检测中的优势。
4. 假阳性分析
研究发现假阳性来源包括：
- 邻近变异合并：GROUND TRUTH 中多个邻近缺失被算法误判为单一变异。
- 映射偏差：ONT 与 PacBio 数据的比对差异导致变异定位偏移。
- 新变异不确定性：部分 ONT 检测到的变异未被其他技术验证，需进一步实验确认。
结论与讨论
ConsensuSV-ONT 通过整合多工具共识与 CNN 过滤，显著提升了 ONT 长读长测序中结构变异检测的准确性，尤其在缺失和插入检测中表现优异。其自动化 pipeline 和容器化部署降低了使用门槛，为非生物信息学背景的研究者提供了便捷工具。该方法不仅为 ONT 数据的结构变异分析提供了新范式，也为大规模人群基因组研究（如基于 ONT 的群体测序计划）奠定了基础，有望推动疾病相关结构变异的精准识别与机制研究。
研究同时指出，不同测序技术的变异检测性能差异显著，未来需进一步优化跨平台模型训练，以提升变异检测的通用性。ConsensuSV-ONT 的问世标志着 ONT 技术在结构变异研究中的应用迈出重要一步，其在疾病关联分析、精准医学等领域的潜力值得期待。
