Towards standards for analysing structural variants from short-read whole genome sequencing data

تُكتب شفرتنا الوراثية في سلم طويل وملتوي من الحمض النووي (DNA)، ولكن في بعض الأحيان تُعاد ترتيب التعليمات بطرق تكون أكبر من أن تُعتبر مجرد أخطاء مطبعية بسيطة. هذه التغييرات واسعة النطاق، المعروفة باسم المتغيرات الهيكلية، تتضمن قطعاً من الحمض النووي تزيد عن خمسين حرفاً يتم حذفها، أو نسخها، أو قلبها، أو نقلها إلى موقع جديد. وبينما يعلم العلماء منذ فترة طويلة أن هذه الترتيبات تلعب دوراً رئيسياً في كل من الأمراض النادرة والسمات الشائعة، إلا أن رصدها كان أمراً صعباً. لسنوات، اعتمدت الطريقة القياسية لقراءة حمضنا النووي على تسلسل القراءات القصيرة، وهي تقنية تقطع الجينوم إلى أجزاء صغيرة، وتقرأها، ثم تحاول تجميعها مرة أخرى مثل كتاب ممزق. تعمل هذه الطريقة بشكل جيد للعثين على الأخطاء الصغيرة، لكنها غالاً ما تجد صعوبة في رؤية الصورة الكبيرة، مما يترك الباحثين غير متأكدين تماماً من المكان الذي يبدأ وينتهي عنده إعادة الترتيب الكبيرة. وبدون معيار واضح ومتفق عليه لكيفية إيجاد وقياس هذه التغييرات الكبيرة، فإن مقارنة النتائج بين الدراسات المختلفة كانت تشبه محاولة مقارنة خرائط رسمها رسامو خرائط مختلفون باستخدام مقاييس رسم مختلفة.

لقد وضع فريق من الباحثين هدفاً لإصلاح هذا الارتباك عبر اختبار مدى قدرة البرامج الحاسوبية الحالية على إيجاد هذه الترتيبات الكبيرة للحمض النووي باستخدام بيانات القراءات القصيرة. قاموا بجمع مجموعة من التغييرات المعروفة والمحققة للحمض النووي — وهي أساساً "مجموعة حقيقة" حيث يكون الموقع والحجم الدقيق لكل متغير معروفاً بالفعل — واستخدموها كأرض اختبار. قاموا بتشغيل ستة عشر أداة برمجية مختلفة وأربعة مسارات دمج رئيسية (pipelines) — وهي سير عمل يشغل عدة أدوات في وقت واحد لمحاولة التقاط المزيد من المتغيرات — مقابل مجموعة الحقيقة هذه. كان الهدف هو معرفة أي البرامج يمكنها تحديد نقطة البداية والنهاية الدقيقة لتغيير الحمض النووي، وصولاً إلى الحرف الواحد، بدلاً من مجرد التخمين في المنطقة العامة.

كشفت النتائج عن خلل مفاجئ في كيفية عمل المجال حالياً. فبينما أدت الأدوات البرمجية الفردية أداءً جيداً في تحديد الموقع الدقيق لحذف أو إدراج معين، فإن المسارات المدمجة التي تعتمد عليها العديد من الدراسات واسعة النط "فعلياً" كانت تؤدي أداءً أسوأ. فعندما قامت هذه المسارات بدمج نتائج الأدوات المتعددة لإنشاء قائمة واحدة من المتغيرات، فقدت في كثير من الأحيان التفاصيل الدقيقة. وفي حالات عديدة، أدى النهج المدمج إلى تقليل عدد المطابقات الدقيقة تماماً بنسبة تصل إلى ثمانية وتسعين بالمائة مقارنة بأفضل أداة فردية. يشير هذا إلى أن الطريقة المستخدمة لدمج البيانات تسبب أخطاءً، وتؤدي إلى طمس الحواف الحادة لتغييرات الحمض النووي. ولأن قواعد البيانات العامة الكبرى للتباين الوراثي البشري مبنية باستخدام هذه المسارات المدمجة نفسها، فإن عدم الدقة الذي وجد في الدراسة يعني على الأرجى أن العديد من السجلات الحالية للاختلافات في الحمض النووي البشري تحتوي على قياسات غير دقيقة لمكان حدوث هذه التغييرات.

ولمعالجة ذلك، اختبر الباحثون استراتيجية جديدة لدمج البيانات. فبدلاً من ترك البرنامج يدمج النتائج تلقائياً بناءً على قواعد فضفاضة، أنشأوا نظاماً يعطي الأولوية للأداة الأكثر دقة لكل نوع وحجم محدد من تغيير الحمض النووي. فعلى سبيل المثال، قد تكون إحدى الأدوات هي الأفضل في إيجاد عمليات الحذف الصغيرة، بينما تكون أداة أخرى أفضل في إيجاد العمليات الكبيرة. ومن خلال السماح للأداة الأفضل للمهمة بأن تأخذ زمام المبادرة وإضافة النتائج الإضافية من الأدوات الأخرى فقط عندما لا تتعارض معها، أنشأ الفريق مجموعة جديدة من النتائج. وقد استعادت هذه الطريقة المزيد من المطابقات الدقيقة تماماً مقارنة بأي من المسارات المدمجة القياسية التي تم اختبارها. وعندما قارنوا هذه النتائج الجديدة بقواعد بيانات مستقلة مبنية من تسلسل القراءات الطويلة — وهي تقنية أكثر تقدماً تقرأ مسافات أطول من الحمض النووي دون تقطيعها — أظهرت الطريقة الجديدة توافقاً أعلى بكثير. فقد وجدت أن المسارات القياسية كانت تفقد العديد من التغييرات الحقيقية، لا سيالما في المناطق المعقدة والمتكررة من الجينوم حيث تتكرر تسلسلات الحمض النووي نفسها.

تسلط الدراسة الضوء على أن الطريقة التي يدمج بها الباحثون حالياً البيانات من أدوات برمجية مختلفة تمثل عقبة كبيرة في فهم الوراثة البشرية. وتشير النتائج إلى أن مجرد تشغيل المزيد من الأدوات معاً لا يضمن نتائج أفضل؛ بل في الواقع، يمكن أن يؤدي ذلك إلى تدهور دقة البيانات النهائية. ومن خلال اعتماد نهج أكثر دقة وقائماً على الأولويات لدمج هذه النتائج، يمكن للعلماء إنشاء خريطة أكثر اكتمالاً ودقة للمتغيرات الهيكلية. هذا التحسين أمر حيوي للأبحاث المستقبلية، حيث إن معرفة الحدود الدقيقة لتغيير الحمض النووي أمر ضروري لفهم ما إذا كان هذا التغيير يعطل جيناً ما أو يسبب مرضاً. ويوفر هذا العمل مساراً واضحاً نحو وضع معايير أفضل، مما يضمن أن الخرائط الجينية التي يستخدمها الباحثون في جميع أنحاء العالم هي الأكثر دقة وتفصيلاً قدر الإمكان.