近日，哈尔滨工业大学汪国华教授、姜涛教授团队提出一种名为SVPG的结构变异检测与泛基因组图谱扩展方法。相关论文以“SVPG：一种基于泛基因组的结构变异检测方法及利用新样本快速扩充泛基因组图”为题，于2026年9月21日在线发表于《自然·方法》。研究称，该方法利用长读长测序数据，在结构变异检测和泛基因组图谱快速更新两个环节均开展了基准测试。
结构变异通常指DNA序列中50个碱基以上的插入、缺失、倒位或易位等改变，与遗传病、癌症及复杂疾病研究密切相关。传统检测思路是将测序片段与线性参考基因组比对，再根据差异推断变异。但当样本与参考序列差异较大时，比对难度和误差可能上升。泛基因组通过整合多个个体基因组、以图结构表示共享序列和个体特异变异，被认为可为结构变异检测提供更贴近样本的参考背景；不过，“字符串对图”的搜索也带来计算复杂度上升的问题。
针对这一矛盾，研究团队提出的SVPG采用渐进式“字符串—图”比对策略，并设置两种分析模式。据论文介绍，一种模式借助常规线性比对结果，将携带结构变异信号的片段重新比对到泛基因组图，用于判断新样本中是否存在已知变异；另一种模式则不依赖线性参考，直接分析序列与泛基因组图的比对结果，以发现尚未收录的新结构变异。
测试结果显示，与国际常用的cuteSV、sniffles2、SVIM等结构变异检测工具相比，SVPG在复杂基因组区域、低覆盖度测序、罕见结构变异和肿瘤样本等场景中报告了更好的识别表现，准确率提升幅度为4%至12%。论文摘要还称，SVPG在不同测序技术和覆盖度下保持了较好的总体性能。
在泛基因组图谱扩展方面，研究团队使用20例新样本开展测试。结果显示，SVPG生成的增强图谱与传统基于组装方式构建的泛基因组图谱一致性达到98%，所需时间约0.5天，速度提升约10倍。团队据此认为，该方法可使泛基因组图谱在检测结构变异的同时随新样本更新，从相对静态的参考资源转向可快速迭代的动态资源。
论文摘要指出，上述结果提示SVPG在结构变异检测和泛基因组研究方面具有应用潜力。研究团队表示，该方法为罕见病诊断、癌症精准治疗和大规模群体遗传研究提供了新的方法学支撑。相关结论基于论文公布的基准测试，其在不同队列和实际临床场景中的表现仍有待进一步评估。
作者：宋池
