A complete diploid human genome benchmark for personalized genomics.
Résumé
Cette étude présente un nouveau génome de référence humain diploïde complet, allant de télomère à télomère, pour le génome HG002. Ce benchmark atteint une précision quasi parfaite sur 99,4 % du génome et ajoute 701,4 Mb de séquence autosomique et 216,8 Mb de chromosomes sexuels, absents des benchmarks précédents. Les chercheurs ont annoté les gènes et les répétitions sur les deux haplotypes, identifiant près de 20 000 gènes codant pour des protéines sur l'haplotype maternel et plus de 19 000 sur le paternel. Ils ont également développé de nouvelles méthodes pour évaluer la précision des lectures, des appels de variants phasés et des assemblages par rapport à cette référence diploïde. Les analyses montrent que l'assemblage de novo résout 2 à 7 % de séquences supplémentaires et surpasse la précision de l'appel de variants d'un ordre de grandeur.
Analyse
Cette étude représente une avancée majeure en bioinformatique en fournissant un génome de référence humain diploïde complet et de haute précision, le HG002, allant de télomère à télomère. Il s'agit d'une application incrémentale mais cruciale des méthodes d'assemblage de génomes, visant à surmonter les biais techniques des approches basées sur le mappage à un génome de référence haploïde, qui excluent les régions dupliquées et structurellement polymorphes. Le benchmark a été utilisé pour comparer la précision de l'assemblage de novo et de l'appel de variants, démontrant que l'assemblage de novo est un ordre de grandeur plus précis et résout une portion significativement plus grande du génome. Les données d'entraînement et de validation sont basées sur le génome HG002, avec l'ajout de 701,4 Mb de séquence autosomique et 216,8 Mb de chromosomes sexuels, et l'annotation des gènes et des répétitions sur les deux haplotypes. Si déployé cliniquement, ce type de génome de référence complet et diploïde transformerait le workflow de l'analyse génomique en permettant une caractérisation plus complète et précise des variations génétiques, y compris dans les régions complexes, ce qui est essentiel pour une médecine génomique personnalisée.