SVbyEye工具详解：基因组结构变异的可视化分析指南

概述

SVbyEye是一款基于R语言的基因组结构变异(SV)可视化工具，专为分析全基因组组装中的结构变异而设计。该工具采用直观的图形化方式展示基因组间的比对关系，特别适合分析由长读长测序技术(如PacBio HiFi和Oxford Nanopore)产生的复杂基因组组装数据。

核心功能

SVbyEye主要提供以下核心功能：

1. 比对可视化：以Miropeats风格展示序列间的比对关系
2. 变异检测：自动识别并标注插入、缺失等结构变异
3. 注释叠加：支持添加基因、重复序列等注释信息
4. 序列组成分析：可视化GC含量等序列特征

安装与准备

安装方法

if (!require("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("SVbyEye")

数据准备

SVbyEye需要输入PAF格式的比对文件，推荐使用minimap2生成：

minimap2 -x asm20 -c --eqx --secondary=no reference.fasta query.fasta > output.paf

关键参数说明：

• -c：输出CIGAR字符串
• --eqx：使用=/X操作符标记匹配/错配
• --secondary=no：仅保留最佳比对

基础使用流程

1. 读取比对数据

library(SVbyEye)
paf.table <- readPaf(
    paf.file = "output.paf",
    include.paf.tags = TRUE,
    restrict.paf.tags = "cg"
)

2. 基础可视化

plotMiro(paf.table = paf.table, color.by = "direction")

高级功能详解

结构变异检测与标注

SVbyEye可以自动检测并可视化插入和缺失：

# 检测≥50bp的缺失并以轮廓线标注
plotMiro(
    paf.table = paf.table,
    min.deletion.size = 50,
    highlight.sv = "outline"
)

# 检测≥100bp的插入并以填充色标注
plotMiro(
    paf.table = paf.table,
    min.insertion.size = 100,
    highlight.sv = "fill"
)

注释信息叠加

可以添加多种类型的注释信息：

# 添加基因注释
gene.annot <- GenomicRanges::GRanges(
    seqnames = "chr1",
    ranges = IRanges::IRanges(start = 1000000, end = 1500000),
    ID = "GeneA"
)

plt <- plotMiro(paf.table = paf.table)
addAnnotation(
    ggplot.obj = plt,
    annot.gr = gene.annot,
    coordinate.space = "target",
    annotation.label = "Genes"
)

序列组成分析

可视化GC含量分布：

# 计算GC含量
gc.content <- fasta2nucleotideContent(
    fasta.file = "query.fasta",
    binsize = 5000,
    nucleotide.content = "GC"
)

# 添加GC含量热图
plt <- plotMiro(paf.table = paf.table)
addAnnotation(
    ggplot.obj = plt,
    annot.gr = gc.content,
    fill.by = "GC_nuc.fr",
    coordinate.space = "query"
)

实用技巧

1. 区域聚焦：使用target.region参数聚焦特定区域

   plotMiro(
       paf.table = paf.table,
       target.region = "chr1:1000000-2000000"
   )
   

2. 自定义配色：调整颜色方案突出关键特征

   plotMiro(
       paf.table = paf.table,
       color.palette = c("+" = "blue", "-" = "red")
   )
   

3. 比对断开：在重复区域断开比对获得更清晰视图

   disj.paf <- disjoinPafAlignments(paf.table, coordinates = "target")
   plotMiro(paf.table = disj.paf)
   

应用场景

SVbyEye特别适用于以下分析场景：

1. 复杂结构变异解析：如倒位、易位等大型重排
2. 组装质量评估：比较不同组装版本间的差异
3. 物种间比较：分析近缘物种间的基因组差异
4. 重复区域研究：研究片段重复等复杂区域

注意事项

1. 输入PAF文件应包含CIGAR信息(-c参数)
2. 对于大型基因组，建议先聚焦特定区域再可视化
3. 添加过多注释层可能导致图形混乱，建议分层展示

SVbyEye通过直观的可视化方式，使研究人员能够更直观地理解基因组结构变异，特别适合分析由第三代测序技术产生的复杂基因组数据。该工具将专业的基因组分析能力与灵活的R可视化环境相结合，为基因组比较研究提供了强大支持。