一项评估现代人类基因组测序技术准确性的新研究发现，个人DNA蓝图的某些医学上重要部分位于复杂且难以分析的区域中，这些区域目前容易出现系统错误。

　　这些基因和基因片段位于尚待确定基准的区域，这些区域目前占人类基因组32亿对化学构件的近四分之一。

　　斯坦福大学和美国国家标准技术研究院(NIST)的研究人员写道，他们的发现应该是“对那些对基因组测序的临床级技术准确性感兴趣的人的呼吁。” 他们说，随着基因组测序从研究到临床的过渡，至关重要的是要有一种方法可以对所有用于诊断或其他医学目的的测序区域进行基准测试。

　　今天的《基因组医学》(Genome Medicine)报道了对标定困难但具有临床意义的基因组区域进行基准测试所面临的挑战。结果强调了扩展基准基准的必要性，可以比较和验证测序数据和分析。

　　实际上，这些类型的标准是质量控制和质量保证工具。它们对于检查测序数据和分析的准确性以及防止假阳性和假阴性是必不可少的。但是，针对大型医疗保健市场的基因组测序技术发展如此之快，以至于必须努力开发该领域的基础基准测试工具。

　　斯坦福大学NIST研究的核心是这样一种工具，它是NIST及其合作伙伴在瓶组中的基因组中创建的基因组参考材料。。NIST参考材料NIST RM 8398，用于全基因组变异评估的人类DNA，目前拥有约77%的基因组，具有很高的置信度。

　　NIST生物医学工程师贾斯汀·祖克(Justin Zook)解释说：“我们尚无法自信地测序的难以表征的区域包括已知具有临床重要性的区域。” “这意味着我们的基准基因组目前不能用于评估更具挑战性的基因以及已经测试过的或正在开发新的测序方法的基因组其他困难区域的性能。”

　　斯坦福大学的主要作者雷切尔·戈德费德(Rachel Goldfeder)说：“好消息是，在这种情况下，使用目前的方法可以可靠地对供体基因组的77%进行测序。” “现在的挑战是将我们的努力集中在另外23%上，即集中在仍难以捉摸的基因组区域上。只有到那时，我们才能实现精准医学的全部潜力。”

　　在他们的研究中，斯坦福大学和NIST研究人员使用了来自全基因组测序和整个外显子组测序方法的数据。外显子组测序仅关注基因的蛋白质编码部分，仅占整个基因组的不到2%。

　　这两种所谓的下一代测序仪都遵循相似的过程。DNA的成对链解偶联并随机切成短段。制作了许多片段，然后通过为每个拷贝重新创建缺失的成对链来进行测序。从四个字母的遗传字母分析匹配，以确定其字母顺序：A(腺嘌呤)，C(胞嘧啶)，G(鸟嘌呤)和T(胸腺嘧啶)。

　　然后，生物信息学家应用复杂的数学算法来确定解码片段的来源。然后可以将这些片段与定义的“参考序列”进行比较，以识别字母序列的变化以及字母已被删除或插入特定基因的位置。当发现差异时，将记录“变量调用”。

　　对于RM 8398，瓶财团中的基因组已在基准基因组特征明确的区域中对高可信度变异分类进行了分类。斯坦福大学NIST小组将这些调用与使用两个测序系统进行的变异调用进行了比较。特别令人感兴趣的是美国医学遗传学和基因组学学院(ACMG)建议用于报告的56种“具有医疗作用”的基因之间的差异。

　　高可信度区域内变体检出的准确性取决于基因组区域。差异类型-例如，插入或替换的字母;覆盖范围(读取特定DNA片段的次数);和分析方法。

　　研究人员发现，例如，在全基因组测序中，假阴性呼叫(未识别的变异或突变)主要来自用于过滤测序数据错误的软件工具。在整个外显子组测序中，大多数假阴性是由于覆盖范围差-读数不足以产生足够质量的数据。

　　在某些方面，基因组的重要部分在很大程度上是未知领域。19,000至21,000个蛋白质编码基因中，只有大约5%完全位于目前具有高可信度特征的人类基因组中。

　　研究人员解释说，与对人群的许多研究不同，“对临床报告的错误呼叫”可能对患者，其家人甚至是处于特定疾病风险中的人群造成有害后果。因此，他们说，至关重要的是要了解如何准确测试所有感兴趣区域。

　　研究小组还指出，由于当前的测序技术在某些基因组位置上容易出现系统错误，因此公开提供的基因组测序数据库中报告的某些变体实际上可能是假阳性，或者可能难以区分真实的变体和系统的测序错误。

　　斯坦福大学-NIST研究小组发现，平均而言，ACMG标记的56个与疾病相关的基因中的每个基因，约有五分之一位于NIST参考基因组特征明确的高可信区之外。研究人员写道，要解决这种“发人深省”的状况，就需要努力跨技术达成共识，或者“至少”要在传达每个变量调用的置信度时保持透明。

　　祖克说，瓶联盟中的基因组目前正在开发方法，以整合来自新技术和分析方法的数据，以表征更具挑战性的基因组变异和区域。