1. 领域背景与文献
文献英文标题：Somatic structural variations (SVs) are critical in cancer genomes, yet their detection from long-read sequencing remains challenging due to alignment errors in repetitive regions. We develop SVScope, leveraging full-length reads and local graph-genome optimization with a random forest strategy to improve somatic SV calling. We also provide ScopeVIZ, a companion pipeline for visualizing read clustering at breakpoints. Across seven benchmark cell lines sequenced with ONT and PacBio platforms, as well as simulated datasets, SVScope consistently outperforms state-of-the-art methods, achieving up to 23.64% improvement in F1-score. Using SVScope, we validate 32 somatic SVs, expanding the ground-truth dataset by 47.06%.
文献未明确提供发表期刊信息；影响因子：未公开；研究领域：肿瘤基因组学、计算基因组学（长读长测序体细胞结构变异检测）
领域共识：结构变异（SV）是驱动肿瘤发生发展的关键基因组事件，长读长测序技术（如ONT、PacBio）凭借更长的读长优势，为复杂区域SV的检测提供了可能，但着丝粒、端粒、片段重复等重复区域的比对误差，仍是限制体细胞SV检测准确性的核心瓶颈。当前领域内，基于长读长的SV检测工具主要分为两类，一类依赖分裂比对信息检测断点明确的SV，另一类尝试通过内比对信息检测重复区域的SV，但均存在假阳性率高、重复区域检测准确性不足的问题，缺乏能同时兼顾分裂比对与内比对SV检测、且有效过滤重复区域比对误差的特异性工具。针对这一研究空白，本研究开发了SVScope计算框架，结合全长读段信息、局部图基因组优化和随机森林过滤策略，旨在提升体细胞SV的检测精度，尤其是重复区域内的SV检测性能，为肿瘤基因组学研究提供更精准的技术支撑。
2. 文献综述解析
本文作者对领域内现有长读长SV检测工具按检测策略分为基于分裂比对的工具和基于内比对的工具两类，系统评述了现有研究的优势与局限性。基于分裂比对的工具可有效识别断点清晰的结构变异，如易位（BND）、重复（DUP）、倒位（INV），这类工具的优势是检测逻辑直接、断点定位精准，但对重复区域内的插入（INS）、缺失（DEL）等内比对SV检测能力有限，且受比对误差影响较大；基于内比对的工具尝试解决重复区域的SV检测问题，通过分析读段与参考基因组的内比对差异识别潜在SV，但这类工具普遍存在读段聚类错误率高、假阳性事件多的问题，且缺乏针对体细胞SV的特异性过滤机制，难以区分肿瘤样本中的体细胞变异与正常样本的生殖系变异。
通过对比现有研究的不足，本研究的创新价值凸显：首次将局部图基因组优化（基于sPOA图的多序列比对+序列混合模型）与随机森林特征过滤相结合，同时利用全长读段的完整序列信息，既提升了内比对SV的检测准确性，又有效降低了重复区域的假阳性率；此外，配套开发的ScopeVIZ可视化工具，为SV断点处的读段聚类提供了直观的验证手段，填补了领域内重复区域体细胞SV精准检测与可视化的技术空白。
3. 研究思路总结与详细解析
本研究的核心目标是开发一款基于长读长测序的高精度体细胞结构变异检测工具SVScope，核心科学问题是解决重复区域比对误差导致的体细胞SV检测假阳性高、准确性低的问题，技术路线遵循“候选SV区间生成→局部图基因组优化读段聚类→随机森林特征过滤→高置信SV输出+可视化”的闭环逻辑，通过多模块协同实现精准检测。
3.1 候选体细胞SV区间生成
本环节的核心目标是从全基因组长读长比对数据中筛选出潜在的体细胞SV候选区间，为后续优化分析提供基础。方法细节上，研究团队开发了DataPrepare模块，以肿瘤-正常样本的长读长比对BAM文件（推荐使用minimap2.22+进行序列比对）为输入，在全基因组尺度提取读段比对的断点信息，通过聚类分析识别出分裂比对类型的体细胞SV，同时筛选出内比对类型的体细胞SV候选区间。结果解读显示，该模块成功生成了包含分裂比对SV（BND、DUP、INV）和内比对SV（INS、DEL）候选区间的数据集，覆盖了全基因组范围内的潜在体细胞变异位点。文献未提及具体实验产品，领域常规使用minimap2比对软件、SAMtools处理BAM文件等。
3.2 局部图基因组优化与读段聚类
本环节的核心目标是解决重复区域内比对误差导致的内比对SV检测准确性低的问题。方法细节上，针对候选内比对SV区间，研究团队采用部分有序比对（sPOA）图构建局部图基因组，通过多序列比对表示读段与参考基因组的比对关系，同时利用序列混合模型对覆盖该区间的所有全长读段进行重新比对与精准聚类，区分体细胞基因组组分与生殖系基因组组分。结果解读显示，局部图基因组优化有效减少了重复区域的读段比对误差，读段聚类的准确性显著提升，能够精准识别重复区域内的插入、缺失等内比对SV事件。实验所用关键产品：依赖pyspoa、pyabpoa等Python包实现sPOA图构建与多序列比对。
3.3 随机森林特征过滤与高置信SV输出
本环节的核心目标是过滤重复区域（着丝粒、端粒、片段重复）导致的读段坐标误差，提升体细胞SV的置信度。方法细节上，研究团队基于局部比对特征（如读段支持数、序列一致性、比对质量等）构建随机森林机器学习模型，对候选SV事件进行过滤，保留高置信的体细胞SV。结果解读显示，经过随机森林过滤后，SV检测的假阳性率显著降低，在7个基准细胞系（覆盖ONT、PacBio平台）和模拟数据集上，SVScope的F1-score较现有主流方法最高提升23.64%；同时，利用SVScope验证了32个体细胞SV，将现有基准数据集的规模扩展了47.06%。实验所用关键产品：依赖scikit-learn包实现随机森林模型构建。
3.4 ScopeVIZ可视化工具开发
本环节的核心目标是为体细胞SV断点处的读段聚类提供可视化支持，辅助结果验证与解读。方法细节上，研究团队开发了配套的ScopeVIZ流程，可对SV检测结果中的断点区域读段聚类情况进行直观展示。结果解读显示，ScopeVIZ能够清晰呈现读段在断点处的聚类模式，帮助研究者快速验证SV事件的可靠性，为实验结果的生物学解读提供了可视化支撑。文献未提及具体实验产品，领域常规使用IGV等基因组可视化工具作为参考。
4. Biomarker研究及发现成果
本文未聚焦传统意义上的疾病诊断/预后生物标志物，而是开发了体细胞结构变异检测的技术生物标志物——SVScope工具，其筛选与验证逻辑基于公共基准数据集与模拟数据集，通过与现有工具的性能对比完成验证。
研究过程中，SVScope的验证数据来源于公共数据库的长读长测序数据，包括SRA数据库SRP494767、DDBJ数据库DRP006799，以及GIAB repository的HG008肿瘤-正常细胞系对。验证方法采用基准数据集对比，在7个细胞系和模拟数据上，SVScope的F1-score较现有方法最高提升23.64%，同时成功验证了32个体细胞SV，将基准数据集扩展了47.06%。
核心成果方面，SVScope作为高精度体细胞SV检测工具，创新性地整合了全长读段信息、局部图基因组优化与随机森林特征过滤三大核心策略，显著提升了重复区域体细胞SV的检测准确性，为肿瘤基因组学研究中复杂区域体细胞变异的解析提供了新的技术范式；其性能数据显示，该工具在检测精度上较现有方法有突破性提升，为后续肿瘤驱动SV的挖掘、肿瘤分子分型等研究提供了更可靠的技术支撑，相关统计学显著性数据文献未明确提供，基于图表趋势推测具有统计学意义。