gVCF2CNV: a scalable pipeline for CNV detection from whole-genome sequencing data.

Conversion des fichiers gVCF en signaux Log R Ratio et B Allele Frequency compatibles avec les callers de CNV existants

gVCF2CNV est un pipeline Nextflow qui convertit les fichiers gVCF, plus légers que les BAM/CRAM et produits en routine par les workflows d'appel de variants, en signaux Log R Ratio (LRR) et B Allele Frequency (BAF) compatibles avec les callers de CNV établis. Appliqué à 12 509 individus de la cohorte SPARK, il génère des signaux sur 2,7 millions de positions SNV en moyenne par individu et termine l'extraction en 4 heures sur 192 CPU. L'appel avec PennCNV et QuantiSNP identifie des CNV candidats sur une large gamme de tailles, avec une précision mendélienne sur trios d'environ 80 % ou plus pour les délétions d'au moins 30 kb et les duplications d'au moins 5 kb. L'application aux 414 824 individus de la cohorte All of Us a pris 96 heures, démontrant la faisabilité à l'échelle d'une biobanque ; le code est disponible sur GitHub.

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

Preprint non relu par les pairs. L'outil vise d'abord les grandes cohortes de recherche, où relire les BAM est prohibitif ; la précision mendélienne sur trios est un critère indirect, sans comparaison à un appel de CNV sur BAM ni à une vérité orthogonale. En diagnostic, la précision n'est rapportée qu'au-delà de 30 kb pour les délétions, alors que les petites délétions intragéniques sont justement celles qu'on attend du WGS.

Analyse par Dr Thibaut Benquey