DeepVariant处理含甲基化标签的PacBio HiFi数据最佳实践

在基因组测序分析领域，PacBio HiFi长读长测序技术因其高准确性和能够同时检测碱基修饰的特性而广受青睐。本文将深入探讨如何高效利用DeepVariant进行HiFi数据的变异检测，特别是针对包含甲基化标签（MM/ML）的BAM文件处理策略。

甲基化标签对变异检测的影响

PacBio HiFi数据在原始BAM文件中会记录5mC等碱基修饰信息，通过Jasmine工具处理后会产生包含MM（甲基化模式）和ML（甲基化概率）标签的BAM文件。值得注意的是，DeepVariant作为变异检测工具，其算法设计会主动忽略这些甲基化相关标签，这意味着：

1. 甲基化信息不会干扰变异检测过程
2. 变异检测结果不会包含甲基化位点信息
3. 甲基化标签的存在不会降低变异检测准确性

两种数据处理流程对比

传统fastq映射流程

1. 从原始BAM提取fastq
2. 使用pbmm2将fastq比对到参考基因组
3. 生成不含甲基化标签的标准BAM
4. 输入DeepVariant进行变异检测

推荐的BAM直接映射流程

1. 使用Jasmine处理原始BAM添加甲基化标签
2. 通过pbmm2直接比对含标签的BAM到参考基因组
3. 保留甲基化信息的比对BAM
4. 同一份BAM既可用于变异检测又可用于甲基化分析

技术优势分析

采用BAM直接映射流程具有显著优势：

1. 计算效率提升：避免重复比对，节省约50%计算资源
2. 数据一致性保证：甲基化和变异分析使用完全相同的比对结果
3. 流程简化：减少中间文件转换步骤
4. 兼容性好：完全符合PacBio官方推荐的数据处理方案

实践建议

对于使用PacBio Revio系统产生的HiFi数据，建议采用以下最佳实践：

1. 优先使用pbmm2直接处理原始BAM文件
2. 甲基化分析前使用Jasmine处理是必要的
3. 无需担心甲基化标签对DeepVariant的影响
4. 可并行开展变异检测和甲基化分析

这种集成化处理方案不仅提高了分析效率，也确保了不同组学数据间的一致性，为后续的多组学整合分析奠定了良好基础。