Nature Genetics
BGE方法实现无偏倚且具成本效益的遗传变异检测

小赛推荐：

该研究为大规模基因组研究提供了兼顾全基因组和外显子测序的高效策略，特别适用于多样化人群的罕见变异与常见变异联合分析，对复杂疾病的遗传架构解析具有重要指导意义。

 

文献概述

本文《A blended genome and exome sequencing method captures genetic variation in an unbiased and cost-effective manner》，发表于《Nature Genetics》杂志，系统探讨了如何通过整合低深度全基因组测序与高深度外显子测序，在控制成本的同时实现对遗传变异的全面、无偏倚捕获。研究团队开发并验证了BGE（blended genome exome）方法，将其应用于超过5.3万份来自非洲、非裔美国人和拉丁美洲人群的样本，显著提升了在以往基因组研究中代表性不足群体中的变异发现能力。

背景知识

目前，全基因组关联研究（GWAS）主要依赖于微阵列技术，尽管成本较低，但存在明显的等位基因偏好性，尤其在非欧洲人群中表现显著，导致复杂疾病相关位点的发现受限。例如，Illumina Global Screening Array（GSA）等常用阵列在非洲人群中的变异覆盖不全，严重影响多基因风险评分的准确性。此外，虽然高深度全基因组测序（WGS）能全面捕捉变异，但其高昂成本限制了大样本研究的可行性。而外显子测序虽能有效识别功能明确的罕见编码变异，却无法覆盖非编码调控区。因此，如何平衡成本、覆盖度与检测准确性，成为精准医学研究中的关键瓶颈。本研究的切入点在于开发一种统一的测序策略——BGE，通过优化文库构建比例，实现单次测序运行中同时获得低深度全基因组（1–4×）和高深度外显子（30–40×）数据，从而兼顾常见与罕见变异的检测需求，尤其适用于神经精神疾病等复杂表型的遗传研究。

 

针对神经精神疾病研究，赛业生物提供超过2000例现货KO/CKO神经小鼠模型，涵盖阿尔茨海默病、帕金森病、杜氏肌营养不良症等，支持基因敲除、条件性敲除、点突变、转基因和人源化等多种打靶方式。这些模型可稳定遗传，表型数据完善，适用于神经退行性疾病机制研究、药物筛选及基因治疗探索，助力科研人员快速构建疾病模型，加速从靶点验证到药效评价的全流程研究。

了解更多

 

研究方法与核心实验

作者采用了一种创新的文库构建策略，将PCR-free的全基因组文库与经过PCR扩增的外显子捕获文库按特定比例混合（33%外显子:67%基因组），在NovaSeqS4平台上进行测序。该设计确保了在64个样本/泳道的通量下，每个样本平均获得30–40×的外显子覆盖深度和1–4×的全基因组覆盖深度。为验证方法性能，研究团队在PUMAS项目中对53,446个个体进行了BGE测序，并使用Simons Simplex Collection（SSC）中的400个家系样本作为金标准，评估CNV和结构变异的检出率。同时，通过与Illumina GSA阵列数据比对，评估了BGE基因型填补的准确性。

关键结论与观点

• 在>53,000个多样化的个体中，BGE实现了>90%外显子区域达到10×覆盖，且平均基因型一致性R² ≥ 95%（MAF ≥ 1%），表明其在常见变异检测方面高度可靠，适用于群体遗传学研究。
• 对于编码区拷贝数变异（CNV），使用GATK-gCNV算法在覆盖≥3个外显子的区域中，阳性预测值（PPV）达到~90%，且在家系分析中成功识别所有已知的de novo CNV，表明BGE在结构变异检测方面具有高特异性和灵敏度，支持其在罕见病研究中的应用。
• 与深度WGS相比，BGE的测序成本仅为28%，同时能填补94.4%的常见编码变异和79.8%的常见非编码变异，显著优于GSA阵列，说明其在经济性与变异捕获效率之间实现了最优平衡，适用于大规模生物库建设。
• 在不同局部祖先背景（如AMR、AFR、EUR）下，BGE的填补准确性保持稳定，尤其在非洲和拉丁美洲混合群体中表现优异，凸显其在健康公平研究中的价值，有助于减少基因组研究中的种族偏差。

研究意义与展望

该研究为未来的大规模基因组研究提供了可扩展、可靠且经济高效的解决方案。BGE方法特别适合用于构建涵盖全球多样性的生物样本库，推动复杂疾病的跨人群遗传研究。其在编码区变异和非编码调控变异的同步检测能力，有助于发现新的致病基因和调控元件，加速药物靶点的识别。

 

为支持复杂疾病机制研究与药物开发，赛业生物提供全面的表型分析服务，涵盖行为学、生理生化、病理学、代谢分析及细胞功能检测。例如，通过水迷宫、高架十字迷宫、旷场等实验评估神经行为学变化；进行HE染色、免疫组化、Western Blot等分子病理分析；开展葡萄糖耐受、胰岛素耐受等代谢功能测试。该平台可系统评估基因修饰动物模型的多维度表型，为疾病建模与药效评价提供可靠数据支持，适用于神经、代谢、肿瘤等多种疾病研究领域。

了解更多

 

结语

本研究提出的BGE测序策略代表了基因组学技术的重要进步，通过整合低深度全基因组与高深度外显子测序，实现了在控制成本的同时对遗传变异的无偏倚检测。该方法在超过5.3万份来自全球多样性人群的样本中验证了其高数据质量与强可重复性，尤其在以往代表性不足的非洲和拉丁美洲群体中表现出色。BGE不仅显著提升了常见与罕见变异的检出能力，还在拷贝数变异和结构变异分析中展现了高准确性，为神经精神疾病、心血管疾病等复杂表型的遗传研究提供了强大工具。从实验室到临床转化的视角看，BGE有望成为未来大型队列研究的标准测序方案，促进更公平、更全面的精准医学发展，特别是在推动全球健康公平和罕见病诊断方面具有基石作用。

 

Toni A Boltz, Benjamin B Chu, Matthew DeFelice, Daniel P Howrigan, and Alicia R Martin. A blended genome and exome sequencing method captures genetic variation in an unbiased and cost-effective manner. Nature Genetics.