Актуальность. Использование высокопроизводительного параллельного секвенирования (ВПС) сопряжено с ошибками: не все генетические варианты, выявляемые с использованием ВПС, являются истинными и подтверждаются альтернативными методами. Частичный вклад в выявление ложноположительных вариантов вносят недостоверно картированные прочтения. Мы полагаем, что при проведении таргетного секвенирования с использованием технологии Ion AmpliSeq (таргетное обогащение мультиплексной ПЦР) задача исключения недостоверно картированных прочтений может быть решена алгоритмически с использованием информации о геномных координатах таргетных регионов и длине праймеров, использованных при амплификации фрагментов библиотек. Эта информация позволяет оценить правильность картирования каждого прочтения и исключить из дальнейшего анализа прочтения, не соответствующие дизайну эксперимента. Цель. Разработать алгоритм минимизации вклада ошибок картирования в спектр генетических вариантов, выявляемых при ВПС. Материалы и методы. С использованием информации о геномных координатах таргетных регионов и праймерах проанализировано 30 файлов формата BAM, полученных по результатам ВПС с использованием технологии таргетного секвенирования Ion AmpliSeq и коммерческих панелей праймеров Ion AmpliSeq Comprehensive Cancer Panel (15,992 таргетных региона) и Ion AmpliSeq Inherited Disease Panel (10,309 таргетных регионов). Алгоритм исключения неверно картированных прочтений реализовали средствами языка программирования Python. Результаты. Проведено сравнение исходного набора прочтений и набора, полученного после исключения неверно картированных прочтений. Определены три группы генетических вариантов: (1) выявляемые в обоих наборах прочтений - 6072 варианта; (2) выявляемые исключительно в исходном наборе - 127 (варианты, наблюдаемые в большинстве образцов, могут быть интерпретированы как результат систематических ошибок выравнивания); (3) выявляемые только в наборе прочтений, полученном удалением неверно картированных, - 63 истинных, ранее скрытых варианта. Выводы. Использование дополнительной информации об ожидаемом начале и окончании прочтения при таргетном исследовании позволяет (1) уменьшить количество выявляемых вариантов, обусловленных ошибочно картированными прочтениями, (2) детектировать ранее не обнаруживаемые по причине ложной малой аллельной частоты, (3) получить более достоверные значения аллельных частот выявляемых вариантов. Применение разработанного нами алгоритма исключения неверного картирования прочтений фрагментов ДНК повышает качество интерпретации результатов ВПС, что особенно важно при проведении ДНК-диагностики.
Background. The use of high-throughput parallel sequencing (NGS) is fraught with errors: not all of the genetic variants that are detected by NGS are true and are confirmed by alternative methods. Incorrectly mapped reads contribute to the appearance of false-positive variants. We believe that for targeted sequencing using Ion AmpliSeq technology, the task of excluding erroneously mapped reads can be solved algorithmically. Additional information on the genomic coordinates of target regions and primers used in amplification allows us to evaluate the validity of the mapping of each reading and to exclude readings from the further analysis that do not correspond to the design of the experiment. Objective. To develop an algorithm to minimize the contribution of mapping errors to the spectrum of genetic variants detected by NGS. Material and methods. Using the information on the genomic coordinates of target regions and primers, we have analyzed 30 BAM files obtained by Ion AmpliSeq (targeted multiplex PCR) NGS with commercial Ion AmpliSeq Comprehensive Cancer Panel (15,992 target regions) and Ion AmpliSeq Inherited Disease Panel (10,309 target regions). The algorithm for excluding incorrectly mapped reads was implemented using the Python programming language. Result. We have performed comparison of the initial set of reads and the set obtained after excluding incorrectly mapped reads. This comparison revealed three groups of genetic variants: (1) detectable in both sets of reads, 6072 variants; (2) detectable exclusively in the original set, 127 (the predominant part of these variants is present in most samples and can be interpreted as a result of systematic alignment errors); (3) detectable in the set generated by exclusion of erroneously mapped reads only, 63 (true positive, previously masked variants). Conclusion. The use of additional information on the expected start and end of the read in the targeted study allows to (1) reduce the number of false-positive genetic variants detected due to misleading reads, (2) detect new ones that were not previously detected due to a seemingly low allele frequency, (3) obtain more reliable values of allelic frequencies of the identified variants. The use of our algorithm to exclude the incorrect mapping of the of DNA fragment reads increases the quality of interpretation of the NGS results, which is especially important for DNA diagnostics.
The authors declare that there are no conflicts of interest present.