Genotyping of structural variation using PacBio high-fidelity sequencing
Notice bibliographique
Résumé
Abstract Background Structural variations (SVs) pervade the genome and contribute substantially to the phenotypic diversity of species. However, most SVs were ineffectively assayed because of the complexity of plant genomes and the limitations of sequencing technologies. Recent advancement of third-generation sequencing technologies, particularly the PacBio high-fidelity (HiFi) sequencing, which generates both long and highly accurate reads, offers an unprecedented opportunity to characterize SVs and reveal their functionality. Since HiFi sequencing is new, it is crucial to evaluate HiFi reads in SV detection before applying the technology at scale. Results We sequenced wheat genomes using HiFi, then conducted a comprehensive evaluation of SV detection using mainstream long-read aligners and SV callers. The results showed the accuracy of SV discovery depends more on aligners rather than callers. For aligners, pbmm2 and NGMLR provided the most accurate results while detecting deletion and insertion, respectively. Likewise, cuteSV and SVIM achieved the best performance across all SV callers. We demonstrated that the combination of the aligners and callers mentioned above is optimal for SV detection. Furthermore, we evaluated the impact of sequencing depth on the accuracy of SV detection. The results showed that low-coverage HiFi sequencing is capable of generating high-quality SV genotyping. Conclusions This study provides a robust benchmark of SV discovery with HiFi reads, showing the remarkable potential of long-read sequencing to investigate structural variations in plant genomes. The high accuracy SV discovery from low-coverage HiFi sequencing indicates that skim HiFi sequencing is an ideal approach to study structural variations at the population level.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».