Аннотация результатов, полученных в 2025 году
В отчетный период был доработан и опробован конвейер анализа данных полногеномного секвенирования человека. Цель доработки — повысить точность вызова генетических вариантов и при этом сохранить использование стандартных форматов для дальнейшего использования распространенных инструментов аналитики NGS данных. Реализован способ выравнивания прочтений на расширенный референсный геном GRCh38. К базовому референсу добавляются альтернативные контиги, сформированные по набору инделей из Human Pangenome Reference Consortium (HPRC). Вокруг выбранных вариантов строятся фланкирующие последовательности фиксированной длины, в них встраиваются альтернативные аллели, после чего полученные последовательности добавляются к линейному GRCh38 и индексируются minimap2 в режиме для коротких прочтений. Координаты итоговых выравниваний затем переводятся из системы расширенного референса в линейную систему GRCh38 с помощью LevioSAM2, обеспечивая совместимость с дальнейшими этапами анализа. Модифицированный метод выравнивания интегрирован в nf-core/sarek. В конвейере последовательно используются minimap2 (выравнивание на расширенный референс), LevioSAM2 (перенос координат), ABRA2 (локальное перевыравнивание областей с инделями), затем для определения вариантов выполняется иснтрумент DeepVariant. Настроены профили для запуска на SLURM-кластере облачной инфраструктуры НЦМУ ИСП РАН, реализована работа через Docker-контейнеры. Конвейер обеспечивает полный цикл обработки от FASTQ до VCF и рассчитан на обработку серий полногеномных образцов. Результаты получены с использованием услуг Центра коллективного пользования Института системного программирования им.В.П.Иванникова РАН – ЦКП ИСП РАН. Качество решения оценено на эталонных данных Genome in a Bottle (образец HG002, парные прочтения длиной 150 п.н., набор FDA PrecisionFDA Truth Challenge V2). В качестве «золотого стандарта» использована аннотация GIAB, сравнение выполнялось с помощью иснтрумента hap.py. Сопоставлялись два варианта: (1) базовое выравнивание только на линейный GRCh38 и (2) выравнивание на расширенный референс с последующим переносом координат. По результатам зафиксирован прирост метрик Precision, Recall и F1-score для SNP и инделей. Результаты по модификации выравнивания и встраиванию решения в конвейер описаны в статье «Оптимизация выравнивания коротких прочтений с инделями при полногеномном секвенировании» в журнале «Труды Института системного программирования РАН» (том 37, вып. 6, часть 2, 2025, стр. 211-222. DOI: 10.15514/ISPRAS-2025-37(6)-30) [1]. Дополнительно методы оценки качества идентификации вариантов по данным геномных трио использованы и развиты в статье «A Method for Calculating Whole-Genome Sequencing Outcomes from Trio Data» в журнале Algorithms (MDPI Algorithms 2025, 18(10), 610; DOI: 10.3390/a18100610) [2]; эти результаты применяются для проверки согласованности наборов вариантов, полученных с помощью текущего конвейера. Результаты проекта представлены на нескольких профильных мероприятиях. Приглашенный доклад руководителя гранта Карпулевича Е.А. «Подходы к анализу данных NGS секвенирования с использованием метода оценки качества идентификации генетических вариантов по данным трио» сделан на Научно-практической конференции с международным участием «Генетика 2025» (5 – 7 ноября 2025 г.) [3]. Стендовый доклад исполнителя гранта Гугучкина Е.П. «Модификация линейного индекса инструмента выравнивания minimap2 с учетом известных генетических вариантов» представлен на 12-й Московской конференции по вычислительной молекулярной биологии (MCCMB 2025, 31 июля – 3 августа 2025 г.) [4]. Устный доклад «Применение современных информационных технологий для решения задач анализа биомедицинских данных с использованием методов искусственного интеллекта» представлен на конгрессе «Оргздрав 2025» (9 – 10 июня 2025 г.) [5], где обсуждалось применение конвейера в задачах персонализированной медицины и здравоохранения. Планируется дальнейшая перенастройка и дообучение моделей DeepVariant на данных, полученных с использованием расширенного референса, адаптация конвейера под разные популяции и протоколы секвенирования, а также интеграция конвейера в практические пайплайны анализа геномных данных в медицинских и исследовательских организациях. Статьи: [1] https://www.ispras.ru/proceedings/docs/2025/37/6-2/isp_37_2025_6_211.pdf [2] https://www.mdpi.com/1999-4893/18/10/610 Конференции: [3] https://vavilovgenetics.org/ [4] https://www.mccmb.info/posters-2025 [5] https://congress.orgzdrav.com/orgzdrav/program