SVPG: a pangenome-based structural variant detection approach and rapid augmentation of pangenome graphs with new samples.

Détection de variants structuraux à partir de données de séquençage long-read en s'appuyant sur une référence pangénomique résolue par haplotype, avec augmentation rapide du graphe de pangénome par de nouveaux échantillons

Les progrès du séquençage long-read ouvrent la voie à l'étude de la variation génétique par analyse de pangénome, mais les outils qui exploitent ces cadres pour détecter les variants structuraux (SV) restent peu nombreux, et la construction des graphes de pangénome devient de plus en plus difficile à mesure que le nombre d'échantillons augmente. SVPG s'appuie sur une référence pangénomique résolue par haplotype pour détecter les SV et augmenter rapidement le graphe de pangénome à partir de données de séquençage long-read. Comparé aux outils de détection de SV de l'état de l'art, il conserve de meilleures performances globales selon les technologies de séquençage et les couvertures, avec des progrès notables pour les SV propres à un individu, y compris les SV rares et somatiques. Dans un benchmark portant sur 20 échantillons, il accélère l'augmentation du graphe de pangénome d'un facteur proche de dix par rapport aux stratégies traditionnelles. Les auteurs concluent que SVPG peut améliorer la détection des SV et constituer un outil efficace pour faire progresser la recherche pangénomique.

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

Le point à retenir pour un laboratoire est l'exploitation d'une référence pangénomique pour l'appel de SV sur des données long-read, avec des gains annoncés sur les SV propres à un individu, rares ou somatiques, et une mise à jour du graphe presque dix fois plus rapide. Le résumé ne donne toutefois aucune métrique de détection — « performances globales supérieures » n'indique ni la sensibilité ni la précision — et le seul chiffre est un gain de vitesse sur 20 échantillons. Il n'y figure aucune donnée de patient ni validation diagnostique : les auteurs situent eux-mêmes l'apport dans la recherche pangénomique.

Analyse par Dr Thibaut Benquey