Benchmark de algoritmos para la detección de CNVs con resolución de exón a partir de datos NGS de panel

Abstract

Next Generation Sequencing (NGS) es una tecnología fundamental en el diagnóstico genético de enfermedades hereditarias, ampliamente utilizada para la detección de pequeñas variantes. Sin embargo, la detección de variantes más grandes como las variaciones en el número de copias (copy number variants, CNVs) sigue siendo un reto. La técnica más empleada para la detección de las CNVs es multiplex ligation-dependent probe amplification (MLPA), método costoso y que exige tiempo para llevarlo a cabo. Disponer de una herramienta de screening que funcionara a partir de datos NGS permitiría reducir el número de MLPAs necesarios para detectar CNVs, con el consiguiente ahorro de recursos. La mayoría de los algoritmos de detección de CNVs funcionan bien detectando variaciones grandes (del orden de megabases) pero no con variaciones pequeñas que afecten a uno o pocos exones. Además, estos algoritmos suelen estar diseñados para trabajar con todo el genoma o exoma, no para realizar la detección a partir de datos de panel (subexoma). En este trabajo se ha realizado un benchmark para algoritmos CNV que han mostrado un buen funcionamiento con datos NGS de panel a resolución de exón: DECoN, CoNVaDING y panelcn.MOPS. Estos algoritmos se han evaluado sobre un dataset público y validado de 96 muestras. Además, cada algoritmo ha sido optimizado mediante un algoritmo de optimización para mejorar la sensibilidad y especificidad que ofrecen los valores por defecto. Los resultados mostraron que panelcn.MOPS alcanzó una sensibilidad suficiente para poder ser usado como técnica de screening previa a la validación por MLPA.

Next Generation Sequencing (NGS) is a key technology for detecting small variants in the genetic diagnostics of hereditary diseases. However, detection of larger variants as copy number variants (CNVs) from NGS data remains a challenge. The most used technique for CNV detection is multiplex ligation-dependent probe amplification (MLPA), which implies important costs and time. Finding a screening technique would allow us to decrease the number of necessary MLPAs, and therefore, resources may be saved. Most CNV calling algorithms perform well when calling large CNVs (in the order of megabases) but are not able to reliably detect small CNVs affecting only one or few exons. In addition, most of them are designed to work with whole exome or whole genome data and have problems with the more sparsed data generated by NGS panels. In this work, it has been perfomed a benchmark of CNV calling algortihms which have shown to perform well with NGS data at single exon resolution: DECoN, CoNVaDING and panelcn.MOPS. These algorithms have been evaluated over a publicy available and validated dataset of 96 samples. Moreover, each algorithm has been optimized using an optimization algorithm to improve sensitivity and specificity offered by default parameter values. Results revealed panelcn.MOPS reached sufficient sensitivity in the dataset to be used for CNV screening prior to MLPA validation.

Next Generation Sequencing (NGS) és una tecnologia fonamental en el diagnòstic genètic de malalties hereditàries, àmpliament utilitzada per a la detecció de petites variants. No obstant això, la detecció de variants més grans com les variacions en el nombre de còpies (copy number variants, CNVs) segueix sent un repte. La tècnica més emprada per a la detecció de les CNVs és Multiplex Ligation-dependent Probe Amplification (MLPA), mètode costós i que exigeix temps per fer-ho. Disposar d'una eina de screening que funcionés a partir de dades NGS permetria reduir el nombre de MLPAs necessaris per detectar CNVs, amb el consegüent estalvi de recursos. La majoria dels algoritmes de detecció de CNVs funcionen bé detectant variacions grans (de l'ordre de megabases) però no amb variacions petites que afectin un o pocs exons. A més, aquests algoritmes solen estar dissenyats per a treballar amb tot el genoma o exoma, no per realitzar la detecció a partir de dades de panell (subexoma). En aquest treball s'ha realitzat un benchmark per algoritmes CNV que han mostrat un bon funcionament amb dades NGS de panell a resolució de exó: DECON, CoNVaDING i panelcn.MOPS. Aquests algoritmes s'han avaluat sobre un dataset públic i validat de 96 mostres. A més, cada algoritme ha estat optimitzat mitjançant un algoritme d'optimització per millorar la sensibilitat i especificitat que ofereixen els valors per defecte. Els resultats van mostrar que panelcn.MOPS va aconseguir una sensibilitat isuficiente per poder ser usat com a tècnica de screening prèvia a la validació per MLPA.