基于GPU加速的变异检测流程终于发表了，但盗用的是Parabricks

近期，意大利理工学院的研究团队在预印版上发表论文：GeNePi: a GPU-enhanced Next Generation Bioinformatics Pipeline for Whole Genome Sequencing Analysis，介绍了用于全基因组测序分析的GPU加速下一代生物信息学流程GeNePi，其实主要就是英伟达早就推出来了的Clara Parabricks。虽然一个是变异加速检测软件，一个是WGS流程，但核心都是变异检测，我不知道开发者与这篇文章作者有没有交集，换个名字就拿来发文章，总觉得不合适。

关于基因组加速计算软件，可参考我们往期推文：

• • 再聊聊基因组加速计算软件

• • 基因组计算加速平台调研

背景

NGS的高通量特性需要强大的计算基础设施和生物信息学工具来处理复杂的大型基因组数据。原始序列片段（reads）需要经过多种处理才能组合成可用于生物学解释和研究的变异集合。此外，标准化的管道对于不同研究人员和不同研究之间的数据比较至关重要。如今，各种实验室越来越多地将这些管道（pipeline）作为数据分析过程的稳定组成部分，无论是作为服务提供，还是由科学界开发，或是内部开发。这些集成数据分析的限制因素包括所需的计算资源、专用硬件的需求以及执行时间的延长。

在此背景下，本文所介绍的“GeNePi”管线，为全基因组测序的短序列配对（paired-end reads）分析提供了一套高效、精准、模块化、可重复的解决方案。它基于Nextflow构建，结合GPU加速算法，涵盖从原始测序数据到多类型变异检测及注释过滤（包括SNVs、INDELs、SVs以及CNVs）的一站式流程，并可对候选致病变异进行自动化筛选和数据汇总。同时，GeNePi能充分利用集群作业调度程序（job-scheduler），对资源分配进行灵活配置，既可快速处理多样本分析，又能针对大型HPC环境进行快速扩展；加之在GPU节点上的极大加速能力，使得本管线能够胜任大规模或临床场景下的基因组解析工作。

方法

GeNePi管道描述

框架

基于Nextflow平台，采用模块化结构，GeNePi整合了GPU加速算法，支持多种工作流程配置。

容器化

使用Singularity（或等效的Apptainer）对所需工具进行容器化，确保在不同基础设施环境之间的简单移植。

对齐和变异检测

采用NVIDIA Clara Parabricks套件的胚系管道，将GATK工作流程移植到GPU上，显著减少了执行时间。

注释

使用SnpEff、ANNOVAR和COSMIC等工具对变异进行注释，提供全面的生物学信息。

过滤

实施多步骤过滤流程，逐步排除不符合 increasingly stringent criteria 的变异，以精炼变异选择。

结构变异（SVs）检测

采用四种变异检测工具（Manta、Lumpy、CNVnator和BreakDancer）的共识策略，以提高精度并减少计算资源。

拷贝数变异（CNVs）

集成CNVkit，用于从高通量测序数据中检测拷贝数变异，并实现相关变异的可视化和图形表示。

GeNePi流程图

基准测试

基础设施

在具有不同硬件配置的HPC基础设施上进行测试，包括CPU节点和GPU节点（Nvidia V100和A100）。

数据集

使用合成数据和来自Genome in a Bottle（GIaB）联盟的Ashkenazi son HG002数据集进行验证。

工具

使用nf-core管道的变异基准测试模块，通过Hap.py和Truvari等工具比较不同工具的性能，包括敏感性、特异性、假阳性和假阴性率。

结果

性能比较

GPU加速

与基于CPU的方法相比，GeNePi在执行时间上显著减少，平均加速了10到30倍。

变异检测

在合成数据中，SNVs和INDELs的检测准确率高于0.96，F1分数、召回率和精确度均表现优异。在真实数据集（Ashkenazi son HG002）中，F1分数、召回率和精确度在0.98到0.99之间。

SV检测

采用四种工具的共识策略提高了精确度和F1分数，与单独使用各工具相比，精确度显著提高，假阳性数量显著减少。

讨论

效率和准确性

GeNePi显著提高了基因组分析的效率，同时保持了高准确性，使其适用于大规模研究和临床应用。

GPU优势

GPU的使用提供了一种成本效益高且多功能的解决方案，消除了对昂贵许可工具的需求，并允许硬件在其他任务中的重复使用。

局限性和未来工作

该管道目前针对胚系突变进行了优化，可能需要调整以适应关注常见变异的研究。未来的工作将扩展到包括组织特异性改变和体细胞突变，特别是在癌症研究中。

结论

GeNePi代表了生物信息学领域的一项重大进步，为WGS数据分析提供了一个可扩展且高效的解决方案。其模块化设计和GPU加速使其成为研究和临床环境中的 valuable tool，促进了WGS在医学或农学实践中的快速实施。该管道在优先考虑临床相关变异方面的能力及其与HPC环境的兼容性，突显了其在支持国家计算和技术医学中心建立方面的潜力。