全外显子测序分析

**全外显子测序（Whole Exome Sequencing, WES）和全基因组测序（Whole Genome Sequencing, WGS）**是两种广泛应用于基因组研究和临床诊断的高通量测序技术。

它们各有特点和应用场景，以下是它们的主要区别：

---

1. 测序范围

• 全外显子测序（WES）

  • 仅针对基因组中外显子区域（约占全基因组的1-2%），即能够编码蛋白质的部分进行测序。

  • 目标区域约为30-50 Mb（百万碱基对）。

  • 通常通过富集捕获的方法选择外显子区域进行测序。

• 全基因组测序（WGS）

  • 涉及整个基因组的测序，包括编码区（外显子）、非编码区（内含子、调控区等）以及线粒体DNA。

  • 覆盖范围约为3 Gb（十亿碱基对）。

---

2. 数据量和成本

• WES

  • 数据量较小，通常为5-10 Gb。

  • 成本较低，适用于预算有限的研究或临床应用。

• WGS

  • 产生的数据量较大，通常为90-150 Gb。

  • 成本较高，但随着技术进步，价格逐渐下降。

---

3. 检测能力

• WES

  • 专注于外显子区域，能有效检测与疾病相关的编码变异（如单核苷酸变异和小片段插入/缺失）。

  • 对非编码区变异无检测能力，无法全面解析调控区变异或结构变异。

• WGS

  • 提供全面的基因组变异信息，包括编码区和非编码区的变异、拷贝数变异（CNV）、结构变异（如染色体易位、倒位）和重复序列变异。

  • 适合于未知致病变异的全面探索。

---

4. 分析复杂性

• WES

  • 数据量小，分析较为简单，重点关注已知与疾病相关的基因区域。

  • 生物信息学处理和存储需求较低。

• WGS

  • 数据量庞大，分析更复杂，需要更高效的计算资源。

  • 结果解读难度更高，尤其是非编码区变异的功能预测和临床意义评估。

---

5. 应用场景

• WES

  • 疾病基因筛查： 适用于已知与编码区相关的单基因病研究或遗传病诊断。

  • 快速诊断： 尤其适合明确的目标区域（外显子）的研究。

  • 成本受限的项目： 在预算有限的情况下选择WES较为合理。

• WGS

  • 全基因组探索： 特别适用于寻找未知致病突变或复杂病变的研究。

  • 癌症研究： 涵盖肿瘤特有的结构变异和非编码区调控突变。

  • 进化研究： 提供全基因组范围的遗传信息，适合物种比较和群体遗传学。

---

6. 优缺点对比

特点	WES	WGS
测序范围	外显子区域	全基因组
数据量	较小	较大
成本	较低	较高
检测范围	编码区变异	编码区和非编码区变异均可检测
适用场景	编码区相关疾病	全基因组突变分析
技术复杂性	较低	较高

---

总结

• 如果目标是寻找已知基因区域的突变或预算有限，WES是更合适的选择。

• 如果需要全面探索基因组变异，或研究非编码区和复杂结构变异，WGS更具优势。实际选择取决于研究目的、预算和数据分析能力。

以下是全外显子测序（WES）典型分析流程及实现代码示例。我们以常用的工具（如FastQC、BWA、GATK等）为例，提供脚本示范。请根据实际需求和环境配置调整代码。

---

全外显子测序（WES）分析流程

1. 数据质控

使用 FastQC 和 MultiQC 对原始数据进行质控。

# 运行FastQCfastqc -t 4 sample_R1.fastq.gz sample_R2.fastq.gz -o ./fastqc_output/
# 运行MultiQC整合FastQC报告multiqc ./fastqc_output/ -o ./multiqc_output/

2. 数据比对

使用 BWA 将测序数据比对到参考基因组。​​​​​​​

# 创建索引（仅需一次）bwa index reference.fasta
# 比对bwa mem -t 8 reference.fasta sample_R1.fastq.gz sample_R2.fastq.gz > sample.sam

3. SAM/BAM 处理

将 SAM 文件转换为 BAM 文件，排序，并标记重复。​​​​​​​

# 转换为BAM并排序samtools view -bS sample.sam | samtools sort -o sample.sorted.bam
# 标记重复gatk MarkDuplicates -I sample.sorted.bam -O sample.dedup.bam -M sample.metrics.txt

4. 外显子区域捕获

通过 BED 文件定义外显子区域，进行目标区域提取。​​​​​​​

# 提取外显子区域的BAM文件samtools view -b -L exome_regions.bed sample.dedup.bam > sample.exome.bam

5. 突变检测

使用 GATK HaplotypeCaller 检测变异。​​​​​​​

# 基因组校正gatk BaseRecalibrator \    -I sample.exome.bam \    -R reference.fasta \    --known-sites known_sites.vcf \    -O recal_data.table
gatk ApplyBQSR \    -I sample.exome.bam \    -R reference.fasta \    --bqsr-recal-file recal_data.table \    -O sample.recal.bam
# 突变检测gatk HaplotypeCaller \    -R reference.fasta \    -I sample.recal.bam \    -O sample.raw.vcf

---

6. 突变注释

使用 ANNOVAR 或 SnpEff 对变异进行注释。​​​​​​​

# 使用ANNOVAR进行注释table_annovar.pl sample.raw.vcf humandb/ -buildver hg38 -out sample.annotated \    -remove -protocol refGene,dbnsfp -operation g,f -nastring .

全外显子测序（WES）和全基因组测序（WGS）的分析流程在技术实现上

有许多相似之处，但由于测序范围和研究目的的不同，它们的分析流程也

存在显著差异。以下从测序范围、数据处理、分析重点和复杂性四个方面

进行详细对比。

---

1. 测序范围

• WES：

  • 只关注基因组中外显子区域（约占1-2%），需提前设计捕获探针或目标区域。

  • 在分析过程中，需要使用外显子区域 BED 文件对 BAM 文件进行区域提取，以降低非目标区域的干扰。

• WGS：

  • 覆盖整个基因组，包括外显子、内含子、调控区和重复序列等非编码区域。

  • 不需要进行目标区域提取，所有区域的变异都需考虑。

**区别：**WES 的分析需要特定的捕获和提取步骤，WGS 则是全面的分析。

---

2. 数据处理

• 数据量：

  • WES 数据量较小（通常为 5-10 Gb/样本），存储和计算资源需求较低。

  • WGS 数据量较大（通常为 90-150 Gb/样本），需要更高的计算能力和存储空间。

• 比对步骤：

  • WES 和 WGS 的比对过程本质相同，但 WES 的比对结果会过滤非外显子区域；WGS 需全基因组范围内比对，可能面临更高的复杂度（例如重复序列和难比对区域）。

• 区域提取：

  • WES 需要将比对后的 BAM 文件与目标区域（BED 文件）交叉分析，提取外显子区域的比对数据。

  • WGS 不需要此步骤。

**区别：**WES 需要额外的目标区域提取，而 WGS 则需要处理大数据量。

---

3. 分析重点

• WES：

  • 主要关注外显子区域的变异检测（如单核苷酸变异 SNP 和小片段插入/缺失 Indel）。

  • 临床重点通常是与已知疾病基因相关的区域。

• WGS：

  • 除了编码区变异外，还需分析非编码区变异（如增强子突变、启动子变异）。

  • 结构变异（SV）检测是 WGS 的重要内容，包括染色体易位、倒位、大片段插入/缺失和拷贝数变异（CNV）。

  • 适用于探索未知致病变异。

**区别：**WES 专注于编码区变异，WGS 涵盖全基因组，分析范围更广，尤其是非编码区和复杂变异。

---

4. 复杂性

• 分析复杂性：

  • WES 的分析范围小，计算和解读较为简单，结果主要集中在外显子区域和临床相关基因。

  • WGS 数据量大，分析更复杂，尤其是非编码区变异的功能预测、结构变异的准确性，以及注释的全面性。

• 解读难度：

  • WES 的变异解读较为直接，重点关注已知的疾病基因和致病变异库。

  • WGS 包含大量非编码区变异，解读难度大，非编码变异的生物学意义通常不明确。

**区别：**WGS 的复杂性和解读难度远高于 WES，需要更多的计算资源和专业知识支持。

---

总结对比表

特点	WES	WGS
测序范围	外显子区域（1-2%）	全基因组（100%）
数据量	小（5-10 Gb）	大（90-150 Gb）
区域提取	必须进行目标区域提取（使用 BED 文件）	不需要
分析重点	编码区变异（SNP 和 Indel）	编码区和非编码区变异、结构变异（SV 和 CNV）
分析复杂性	较低，专注于外显子区域	较高，需全面分析全基因组
解读难度	低，关注临床已知基因	高，需解析未知区域及复杂变异
适用场景	单基因遗传病、已知编码区相关疾病	癌症研究、复杂疾病、未知变异的探索

总结：

• 如果研究目的是快速、低成本地检测已知疾病基因的变异，WES 是更高效的选择。

• 如果需要全面探索基因组变异，包括非编码区和复杂变异，则 WGS 更合适。

生信大白记第34记，就到这里，关注我！

下一记，持续更新学习生物信息学的内容！

生信大白记邮箱账号：shengxindabaiji@163.com

生信大白记简书账号：生信大白记

生信大白记CSDN账号：生信大白记

生信大白记微信公众号：生信大白记

加入生信大白记交流群938339543