跳转至

结构变异检测（SV Calling）

1. 一句话说明

结构变异检测（SV Calling）就是从测序数据中找出基因组上 大片段（≥50 bp）的缺失、重复、倒位、插入和易位，是变异检测中最难也最前沿的方向。

与知识库 31（GATK 变异检测）的关系：31 讲的是 SNP/InDel（单碱基变化和小插入缺失，≤50 bp），本文讲的是 SV（结构变异，≥50 bp）。两者检测原理、工具链完全不同，互补而不重复。

2. 什么是结构变异（Structural Variant）

白话解释

把基因组想象成一本 30 亿字的书： - SNP = 某一个字写错了（A→G） - InDel = 多写/少写了几个字（1-50 个字） - SV = 一整页被撕掉了 / 被复印了两份 / 被倒着贴回去了 / 被剪下来粘到另一章去了

定义：长度 ≥50 bp 的基因组变异统称结构变异。

五种主要 SV 类型

SV 类型英文白话解释图示临床举例
缺失（DEL）Deletion一段 DNA 被删掉了，像书里撕掉了几页A-B-[C-D]-E → A-B-Eα-地中海贫血（HBA1/HBA2 缺失）
重复（DUP）Duplication一段 DNA 被复制了一份，像同一页印了两遍A-B-C-D-E → A-B-C-D-C-D-ECharcot-Marie-Tooth（PMP22 重复）
倒位（INV）Inversion一段 DNA 被反过来接回去，像把一页倒着粘A-B-C-D-E → A-D'-C'-B'-E血友病 A（F8 倒位）
易位（TRA/BND）Translocation一段 DNA 被搬到另一条染色体上，像把第3章的内容剪到第7章chr1:A-B + chr5:X-Y → chr1:A-Y + chr5:X-BCML（BCR-ABL 费城染色体）
插入（INS）Insertion凭空多出一段 DNA 插进来（可能来自转座子等）A-B-E → A-B-[新]-EL1 转座子插入致 Duchenne 肌营养不良

注意：拷贝数变异（CNV）是 SV 的一个子集，特指缺失和重复导致的拷贝数变化（Copy Number Variant）。

3. SV 检测的四种核心策略

短读长（Illumina ~150 bp）检测 SV 就像用拼图碎片推断缺了哪块——碎片本身太小，看不到全貌，只能靠碎片之间的"异常信号"来推理。

3.1 Read-pair（读对策略）

原理：双端测序（paired-end）的两条 reads 之间有固定的插入片段长度（insert size），通常 300-500 bp。如果比对后发现： - 插入片段异常大 → 可能是缺失（中间一段被删了） - 插入片段异常小 → 可能是插入（中间多了一段） - 两条 reads 方向反了 → 可能是倒位 - 两条 reads 跑到不同染色体 → 可能是易位

白话：就像你知道两个书签正常间隔 5 页，突然发现间隔 50 页，说明中间有页被撕了。

局限：依赖 insert size 分布，对大片段（>1 kb）检测灵敏度下降。

3.2 Split-read（拆分读策略）

原理：一条 read 的一部分比对到了位置 A，另一部分比对到了位置 B（即 split alignment / chimeric alignment），说明断点（breakpoint）就在 read 内部。

白话：一句话念到一半突然跳到了另一页，说明这个地方发生了断裂重排。

优势：能精确定位断点到单碱基分辨率。 局限：需要 read 刚好跨过断点，对非常大的 SV 需要足够覆盖度。

3.3 Read-depth（覆盖深度策略）

原理：统计基因组每个区域的覆盖深度。如果某段区域的深度明显低于平均值 → 缺失；明显高于平均值 → 重复。

白话：像数人头——如果一个教室正常坐 30 人，突然只有 15 人，说明少了一半（缺失）；坐了 60 人，说明多了一倍（重复）。

优势：特别适合检测大片段 CNV。 局限：无法检测倒位和易位（因为它们不改变拷贝数），分辨率较低（窗口级别）。

3.4 De novo Assembly（局部组装策略）

原理：在 SV 候选区域把 reads 拼接成更长的 contigs，然后把 contigs 比对回参考基因组，直接看到变异。

白话：不猜了，直接把碎片拼成完整的一页再和原书对比。

优势：最全面，能发现其他方法遗漏的复杂 SV。 局限：计算量大，对覆盖度要求高。

策略对比速查

策略能检测的 SV 类型断点精度计算量适用平台
Read-pairDEL, INS, INV, TRA, DUP±数百 bp低短读长
Split-readDEL, INS, INV, TRA, DUP单碱基中短读长/长读长
Read-depthDEL, DUP (CNV)窗口级低短读长
Assembly所有类型单碱基高短读长/长读长

现代工具通常组合多种策略，比如 Delly 同时用 Read-pair + Split-read + Read-depth，Manta 用 Read-pair + Split-read + Assembly。

4. 短读长 SV 检测工具

4.1 Delly

简介：最经典的 SV 检测工具之一，整合 paired-end、split-read 和 read-depth 三种策略，支持 DEL/DUP/INV/TRA/INS 全类型检测。

  • GitHub: github.com/dellytools/delly
  • 最新版: 持续更新中，支持短读长和长读长
  • 语言: C++，性能很高
  • 论文: Rausch et al., Bioinformatics, 2012
# 安装（推荐 conda）
conda install -c bioconda delly  # bioconda 渠道安装

# ==================== 基本用法 ====================

# 1. 单样本 germline SV 检测
# -g 参考基因组（必须有索引 .fai）
# -o 输出 BCF 格式（二进制 VCF，更小更快）
# -x 排除区域（着丝粒、端粒等高重复区，减少假阳性）
delly call -g hg38.fa -o sample.bcf -x hg38.excl sample.bam

# 2. 把 BCF 转成人类可读的 VCF
bcftools view sample.bcf > sample.vcf

# 3. 多样本联合检测（群体研究推荐）
# 第一步：各样本单独 call
delly call -g hg38.fa -o s1.bcf -x hg38.excl s1.bam
delly call -g hg38.fa -o s2.bcf -x hg38.excl s2.bam

# 第二步：合并 SV 位点
delly merge -o sites.bcf s1.bcf s2.bcf

# 第三步：用统一位点做 genotyping（可并行）
delly call -g hg38.fa -v sites.bcf -o s1.geno.bcf -x hg38.excl s1.bam
delly call -g hg38.fa -v sites.bcf -o s2.geno.bcf -x hg38.excl s2.bam

# 第四步：合并所有 genotyped BCF
bcftools merge s1.geno.bcf s2.geno.bcf -o merged.bcf

# 4. 长读长模式（Delly 也支持）
delly lr -g hg38.fa -o lr.bcf long_read.bam

# 5. CNV 模式（拷贝数变异）
delly cnv -g hg38.fa -m hg38.map.gz -o cnv.bcf sample.bam

4.2 Lumpy / Smoove

简介：概率框架 SV 检测器，整合多种信号源。Smoove 是 Lumpy 的最佳实践封装，推荐使用 Smoove。

  • GitHub: github.com/arq5x/lumpy-sv（Lumpy）、github.com/brentp/smoove（Smoove）
  • 论文: Layer et al., Genome Biology, 2014
  • 特点：概率模型整合 read-pair + split-read，对 DEL 和 DUP 特别灵敏
# 安装
conda install -c bioconda smoove  # smoove 封装了 lumpy + svtyper + svtools

# ==================== Smoove 推荐用法 ====================

# 1. 单样本检测
# -d 排除高深度区域（减少假阳性）
# --name 样本名
# --fasta 参考基因组
smoove call -d \
    --name sample1 \
    --fasta hg38.fa \
    -o results/ \
    sample1.bam

# 2. 多样本合并
smoove merge \
    --name cohort \
    --fasta hg38.fa \
    results/sample1-smoove.genotyped.vcf.gz \
    results/sample2-smoove.genotyped.vcf.gz

# 3. 结果在 results/ 目录下，VCF 格式

4.3 Manta

简介：Illumina 官方开发的 SV/大 InDel 检测器，速度极快（50x WGS 约 20 分钟/20 核），整合 read-pair + split-read + 局部组装。

  • GitHub: github.com/Illumina/manta
  • 论文: Chen et al., Bioinformatics, 2016
  • 特点：速度快、精度高，支持 germline 和 somatic（肿瘤配对）
# 安装
conda install -c bioconda manta

# ==================== Germline 用法 ====================

# 1. 配置（生成 runWorkflow.py）
# --bam 输入 BAM 文件
# --referenceFasta 参考基因组
# --runDir 输出目录
configManta.py \
    --bam sample.bam \
    --referenceFasta hg38.fa \
    --runDir manta_output

# 2. 运行（-j 线程数）
python manta_output/runWorkflow.py -j 8

# 3. 结果文件（在 manta_output/results/variants/ 下）
# - diploidSV.vcf.gz          → germline SV
# - candidateSV.vcf.gz        → 候选 SV（含未过滤的）
# - candidateSmallIndels.vcf.gz → 大 InDel（50-300 bp）

# ==================== Somatic（肿瘤-正常配对）用法 ====================

configManta.py \
    --normalBam normal.bam \
    --tumorBam tumor.bam \
    --referenceFasta hg38.fa \
    --runDir manta_somatic

python manta_somatic/runWorkflow.py -j 8
# 结果中多一个 somaticSV.vcf.gz

5. 长读长 SV 检测工具

长读长（PacBio / ONT）的 read 长度通常 10-100 kb，能直接跨过 SV 断点，检测灵敏度和精度远超短读长。

5.1 Sniffles2

简介：长读长 SV 检测的标杆工具，支持 germline、somatic 和群体级别检测。

  • GitHub: github.com/fritzsedlazeck/Sniffles
  • 最新版: v2.7.5（2025 年更新）
  • 论文: Sedlazeck et al., Nature Methods, 2018（v1）；Smolka et al., Nature Biotechnology, 2024（v2）
  • 输入: PacBio CLR/HiFi 或 ONT 的 BAM/CRAM
# 安装
pip install sniffles  # 或 conda install -c bioconda sniffles=2.7.5

# ==================== 单样本检测 ====================

# 基本命令（输入必须经 minimap2 比对并排序）
sniffles -i sample.bam -v output.vcf

# 指定参考基因组（输出 DEL 序列需要）
sniffles -i sample.bam -v output.vcf --reference hg38.fa

# 使用串联重复注释（减少重复区假阳性，推荐）
sniffles -i sample.bam -v output.vcf \
    --tandem-repeats hg38_tandem_repeats.bed \
    --threads 8

# ==================== 多样本联合检测 ====================

# 第一步：每个样本生成 .snf 中间文件
sniffles --input s1.bam --snf s1.snf
sniffles --input s2.bam --snf s2.snf

# 第二步：合并多样本
sniffles --input s1.snf s2.snf --vcf multisample.vcf

# ==================== Mosaic/Somatic SV 检测 ====================

sniffles --input tumor.bam --vcf somatic.vcf --mosaic

5.2 SVIM

简介：长读长 SV 检测工具，使用三步法（collect → cluster → refine），支持 PacBio 和 ONT。

  • GitHub: github.com/eldariont/svim
  • 论文: Heller & Vingron, Bioinformatics, 2019
  • 特点：能同时检测所有 SV 类型，包括 nested SV（SV 里面套 SV）
# 安装
pip install svim  # 或 conda install -c bioconda svim

# ==================== 基本用法 ====================

# alignment 模式（从已比对的 BAM 开始）
# 参数：svim alignment <输出目录> <BAM文件> <参考基因组>
svim alignment output_dir/ sample.bam hg38.fa

# 结果在 output_dir/variants.vcf
# 包含所有类型 SV，可按质量分数过滤

# 常用过滤（保留质量≥10的SV）
bcftools view -i 'QUAL >= 10' output_dir/variants.vcf > filtered.vcf

5.3 cuteSV

简介：高灵敏度长读长 SV 检测工具，使用聚类-细化方法，对不同平台有优化参数。

  • GitHub: github.com/tjiangHIT/cuteSV
  • 论文: Jiang et al., Genome Biology, 2020
  • 特点：针对 PacBio CLR / HiFi / ONT 分别优化参数，速度快
# 安装
pip install cuteSV  # 或 conda install -c bioconda cutesv

# ==================== 基本用法 ====================
# cuteSV <排序后BAM> <参考基因组> <输出VCF> <工作目录>
cuteSV sample.bam hg38.fa output.vcf work_dir/ --threads 16

# ==================== 不同平台推荐参数 ====================

# PacBio CLR 数据
cuteSV sample.bam hg38.fa output.vcf work_dir/ \
    --max_cluster_bias_INS 100 \
    --diff_ratio_merging_INS 0.3 \
    --max_cluster_bias_DEL 200 \
    --diff_ratio_merging_DEL 0.5

# PacBio HiFi (CCS) 数据
cuteSV sample.bam hg38.fa output.vcf work_dir/ \
    --max_cluster_bias_INS 1000 \
    --diff_ratio_merging_INS 0.9 \
    --max_cluster_bias_DEL 1000 \
    --diff_ratio_merging_DEL 0.5

# ONT 数据
cuteSV sample.bam hg38.fa output.vcf work_dir/ \
    --max_cluster_bias_INS 100 \
    --diff_ratio_merging_INS 0.3 \
    --max_cluster_bias_DEL 100 \
    --diff_ratio_merging_DEL 0.3

6. SV 合并、注释与过滤

6.1 SURVIVOR —— SV 合并与比较

为什么需要合并？ 不同工具对同一个 SV 的断点预测位置可能差几十到几百 bp，需要把"差不多在同一位置"的 SV 合并为一个 consensus call。多工具取交集/并集也能提高可信度。

  • GitHub: github.com/fritzsedlazeck/SURVIVOR
  • 论文: Jeffares et al., Nature Communications, 2017
# 安装
git clone https://github.com/fritzsedlazeck/SURVIVOR.git
cd SURVIVOR/Debug
make  # 编译即可，无其他依赖

# ==================== 最常用：merge 命令 ====================

# 第一步：把要合并的 VCF 文件路径写入列表
ls delly.vcf lumpy.vcf manta.vcf > vcf_list.txt

# 第二步：合并
# SURVIVOR merge <文件列表> <最大断点距离> <最少支持工具数> <是否考虑类型> <是否考虑链> <是否考虑大小> <最小SV长度> <输出VCF>
SURVIVOR merge vcf_list.txt 1000 2 1 1 0 50 merged.vcf

# 参数解读：
# 1000  → 两个 SV 断点距离 ≤1000 bp 认为是同一个
# 2     → 至少被 2 个工具支持才保留（取交集策略）
# 1     → 必须是同一种 SV 类型
# 1     → 必须在同一条链（strand）
# 0     → 不考虑大小差异
# 50    → 最小 SV 长度 50 bp

# ==================== 统计合并结果 ====================
SURVIVOR stats merged.vcf -1 -1 -1 stats_output

6.2 AnnotSV —— SV 功能注释

为什么需要注释？ 检测到 SV 只是第一步，还需要知道它影响了哪些基因、是否在已知致病数据库中、人群频率多少。

  • GitHub: github.com/lgmgeo/AnnotSV
  • 最新版: v3.5.7
  • 功能：注释 + 排序（ranking），整合 DGV、gnomAD-SV、ClinGen、OMIM 等数据库
# 安装
conda install -c bioconda annotsv

# ==================== 基本注释 ====================

# -SVinputFile 输入 SV 的 VCF/BED 文件
# -outputFile  输出 TSV 文件（Excel 可直接打开）
# -genomeBuild 参考基因组版本
AnnotSV -SVinputFile merged.vcf \
        -outputFile annotated_sv.tsv \
        -genomeBuild GRCh38

# ==================== 输出关键列 ====================
# AnnotSV_ID      → 唯一标识
# SV_type         → 变异类型（DEL/DUP/INV/INS/BND）
# Gene_name       → 影响的基因
# ACMG_class      → ACMG 分级（1-5，5=致病）
# DGV_GAIN/LOSS   → DGV 数据库中该区域的频率
# gnomAD_AF       → gnomAD-SV 中的人群频率
# ClinGen         → ClinGen 剂量敏感性评级

6.3 常见过滤策略

# 1. 按质量过滤（QUAL ≥ 20）
bcftools view -i 'QUAL >= 20' raw.vcf > filtered.vcf

# 2. 按支持 reads 数过滤（至少 5 条支持）
bcftools view -i 'INFO/SUPPORT >= 5' raw.vcf > filtered.vcf

# 3. 按 SV 大小过滤（50 bp - 10 Mb）
bcftools view -i 'SVLEN >= 50 && SVLEN <= 10000000' raw.vcf > filtered.vcf

# 4. 排除已知 common SV（gnomAD-SV AF > 1%）
# 通常在 AnnotSV 注释后用 awk/pandas 过滤

7. SV 可视化

7.1 IGV（Integrative Genomics Viewer）

最通用的基因组浏览器，可以直接看 SV 的 read-pair 和 split-read 信号。

操作步骤：
1. 加载参考基因组（Genomes → Load Genome → hg38）
2. 加载 BAM 文件（File → Load from File）
3. 导航到 SV 位置（搜索栏输入 chr1:1000000-1001000）
4. 右键 → Color alignments by → Insert size and pair orientation
   - 红色/蓝色 reads = 异常 insert size（提示 DEL/INS）
   - 绿色/蓝绿色 reads = 异常方向（提示 INV/TRA）
5. 右键 → Sort alignments by → Start location（整理显示）
6. 查看 split-reads（带 SA tag 的 supplementary alignment）

7.2 samplot

简介：专为 SV 可视化设计的命令行工具，输出高质量 PNG/SVG 图片，支持多样本对比。

  • GitHub: github.com/ryanlayer/samplot
  • 论文: Belyeu et al., Genome Biology, 2021
# 安装
conda install -c bioconda samplot

# 单个 SV 可视化
# -c 染色体 -s 起始 -e 终止 -t SV类型
# -b BAM文件（可多个）
# -o 输出图片
samplot plot \
    -c chr1 -s 1000000 -e 1001000 \
    -t DEL \
    -b sample1.bam sample2.bam \
    -o deletion_chr1.png

# 批量可视化（从 VCF 批量生成图片）
samplot vcf \
    --vcf sv_calls.vcf \
    -d output_images/ \
    -b sample1.bam sample2.bam

7.3 Ribbon

简介：基于 Web 的交互式 SV 可视化工具，特别擅长展示 split-read 比对模式。

  • 网址: genomeribbon.com
  • 用法: 上传 BAM + VCF 即可在浏览器中查看
  • 优势: 用"丝带图"展示 read 的多段比对，直观展现 SV 结构

8. 短读长 vs 长读长 SV 检测对比

比较维度短读长（Illumina）长读长（PacBio/ONT）
Read 长度150-300 bp10-100+ kb
检测原理间接推断（read-pair、split-read 信号）直接跨过断点（read 本身覆盖整个 SV）
DEL 检测好（多策略互补）极好（直接看到）
INS 检测差（>300 bp 插入几乎看不到）极好（read 直接包含插入序列）
INV 检测中（依赖异常方向读对）好（长 read 跨过两个断点）
TRA 检测中（依赖 discordant reads）好
重复区 SV差（短 reads 无法穿越重复区）好（长 reads 可跨越）
断点精度±数百 bp（read-pair）到单碱基（split-read）通常单碱基级别
成本（30x WGS）~$200-500~$500-1500
主流工具Delly, Manta, Lumpy/SmooveSniffles2, cuteSV, SVIM
假阳性来源重复区 mapping 歧义、GC bias系统错误（ONT indel 错误）
最大短板插入检测差、重复区盲区大成本高、碱基准确率低（ONT）

实际项目建议：如果预算允许，长读长是 SV 检测的首选。如果只有短读长数据，推荐 Manta + Delly 组合，用 SURVIVOR 取交集提高可信度。

9. 面试怎么答（5 道高频题）

Q1: 什么是结构变异？和 SNP/InDel 有什么区别？

结构变异（SV）是基因组上长度 ≥50 bp 的大片段变异，包括缺失、重复、倒位、易位和插入五种类型。与 SNP（单碱基变化）和 InDel（1-50 bp 小插入缺失）的本质区别是：SV 涉及的 DNA 片段更大，影响的基因更多，检测方法也完全不同——SNP/InDel 用 GATK HaplotypeCaller 基于局部重组装检测，而 SV 需要用 Delly/Manta 等专用工具基于 read-pair、split-read、read-depth 等信号来推断。

Q2: 短读长检测 SV 有哪些策略？各自优缺点？

四种核心策略：①Read-pair 看双端 reads 的 insert size 和方向异常，计算量小但断点精度差；②Split-read 看 read 内部的拆分比对，能精确到单碱基但需要 read 跨过断点；③Read-depth 看覆盖深度变化，适合大片段 CNV 但无法检测倒位/易位；④局部组装，最全面但计算量最大。现代工具通常组合多种策略，比如 Manta 同时使用 read-pair + split-read + 局部组装。

Q3: 为什么长读长比短读长更适合检测 SV？

核心原因是长读长（10-100 kb）可以直接跨过 SV 断点和重复区域。短读长只有 150 bp，无法穿越大于 read 长度的重复区，导致比对歧义；而且对于大插入（>300 bp），短读长的 insert size 信号根本检测不到。数据表明，长读长对插入（INS）的召回率比短读长高 3-5 倍，对重复区 SV 的检测也远优于短读长。

Q4: 你会怎么设计一个 SV 检测流程？

看数据类型。如果是短读长数据：比对（BWA-MEM）→ 排序去重 → 用 Manta + Delly 分别检测 → SURVIVOR merge 取至少 2 个工具支持的 SV → AnnotSV 注释 → 按质量和人群频率过滤 → IGV/samplot 可视化验证。如果是长读长数据：比对（minimap2）→ Sniffles2 检测（加 tandem repeat 注释减少假阳性）→ 质量过滤 → AnnotSV 注释 → 可视化验证。多工具取交集（ensemble approach）是提高 SV 检测可信度的标准做法。

Q5: SURVIVOR merge 的参数怎么选？

关键参数是最大断点距离和最少支持工具数。断点距离通常设 1000 bp（短读长工具之间断点偏移可达几百 bp）；最少支持工具数设 2 表示取交集（提高精确度），设 1 表示取并集（提高灵敏度）。还需要指定是否要求同一 SV 类型（通常是）和最小 SV 长度（通常 50 bp）。具体参数需要根据项目目标权衡：临床诊断偏向高精确度（2-3 个工具支持），群体研究偏向高灵敏度（1 个工具支持即可）。

10. 速查表

工具选择速查

场景推荐工具理由
短读长 germline SVManta + DellyManta 快且准，Delly 互补
短读长 somatic SVManta（tumor-normal mode）Illumina 官方，somatic 模式成熟
长读长 germline SVSniffles2标杆工具，支持群体级分析
长读长 SV（速度优先）cuteSV速度最快，平台参数优化好
SV 合并SURVIVOR merge唯一主流选择
SV 注释AnnotSV整合多数据库，支持 ACMG 分级
SV 可视化（命令行）samplot批量出图，适合文章配图
SV 可视化（交互式）IGV最通用，手动检查首选

命令速查

# ===== 短读长流程 =====
delly call -g hg38.fa -o delly.bcf -x hg38.excl sample.bam   # Delly 检测
configManta.py --bam sample.bam --referenceFasta hg38.fa --runDir manta_out  # Manta 配置
python manta_out/runWorkflow.py -j 8                          # Manta 运行

# ===== 长读长流程 =====
sniffles -i sample.bam -v sniffles.vcf --threads 8            # Sniffles2 检测
cuteSV sample.bam hg38.fa cutesv.vcf work_dir/ --threads 16   # cuteSV 检测
svim alignment svim_out/ sample.bam hg38.fa                    # SVIM 检测

# ===== 后处理 =====
SURVIVOR merge vcf_list.txt 1000 2 1 1 0 50 merged.vcf        # 多工具合并
AnnotSV -SVinputFile merged.vcf -outputFile anno.tsv -genomeBuild GRCh38  # 注释
samplot plot -c chr1 -s 100000 -e 200000 -t DEL -b s.bam -o del.png      # 可视化

SV 类型 VCF 标记速查

VCF 中的标记SV 类型说明
SVTYPE=DEL缺失ALT 列为 <DEL>
SVTYPE=DUP重复ALT 列为 <DUP>
SVTYPE=INV倒位ALT 列为 <INV>
SVTYPE=INS插入ALT 列为 <INS> 或具体序列
SVTYPE=BND断点（含易位）ALT 列为 breakend notation，如 ]chr5:1000]A
SVLENSV 长度DEL 为负值（如 -5000），INS 为正值
ENDSV 结束位置INFO 字段中
SUPPORT / PE / SR支持 reads 数PE=read-pair, SR=split-read

11. 延伸资源

论文（必读）

  1. Rausch et al. (2012) - "DELLY: structural variant discovery by integrated paired-end and split-read analysis" - Bioinformatics - Delly 原始论文
  2. Layer et al. (2014) - "LUMPY: a probabilistic framework for structural variant discovery" - Genome Biology - Lumpy 原始论文
  3. Chen et al. (2016) - "Manta: rapid detection of structural variants and indels for germline and cancer sequencing applications" - Bioinformatics - Manta 原始论文
  4. Sedlazeck et al. (2018) - "Accurate detection of complex structural variations using single-molecule sequencing" - Nature Methods - Sniffles v1
  5. Smolka et al. (2024) - "Detection of mosaic and population-level structural variants with Sniffles2" - Nature Biotechnology - Sniffles v2
  6. Jiang et al. (2020) - "Long-read-based human genomic structural variation detection with cuteSV" - Genome Biology - cuteSV
  7. Kosugi et al. (2019) - "Comprehensive evaluation of structural variation detection algorithms for whole genome sequencing" - Genome Biology - SV 工具大评测，非常值得读

在线资源

  • Delly 教程: github.com/dellytools/delly（README 含完整 germline/somatic 流程）
  • Sniffles2 文档: github.com/fritzsedlazeck/Sniffles
  • AnnotSV 在线服务器: lbgi.fr/AnnotSV/（可直接网页提交注释）
  • samplot 画廊: github.com/ryanlayer/samplot（README 有丰富示例图）
  • SV benchmark: github.com/tjiangHIT/sv-benchmark（cuteSV 团队的评测框架）
  • GIAB SV truth set: 用于评估 SV 检测工具准确率的金标准数据集（HG002 样本）

相关知识库文章

  • 知识库2 #31: GATK 变异检测（SNP/InDel 检测流程）
  • 知识库1 #14: 比对与组装工具（BWA-MEM / minimap2 比对步骤）
  • 知识库2 #30: SAMtools/BCFtools（BAM/VCF 基础操作）