图 SVPG方法框架及其在结构变异检测与泛基因组图谱扩展中的应用

　　在国家自然科学基金项目（批准号：62225109、62622309）等资助下，哈尔滨工业大学汪国华教授、姜涛教授团队在泛基因组结构变异检测与图谱快速扩展方面取得进展。研究成果以“SVPG：一种基于泛基因组的结构变异检测方法及利用新样本快速扩充泛基因组图（SVPG: a pangenome-based structural variant detection approach and rapid augmentation of pangenome graphs with new samples）”为题，于2026年9月21日在《自然·方法》（Nature Methods）期刊在线发表。论文链接：https://www.nature.com/articles/s41592-026-03219-2。

　　结构变异是基因组中较大片段的插入、缺失、倒位、易位等改变，通常指50个碱基以上的DNA序列变化，对基因功能影响巨大，与遗传病、癌症和复杂疾病密切相关。传统的结构变异检测方法是将测序获得的DNA片段与参考基因组进行比对，根据片段与参考序列之间的差异来推断变异的位置和类型。参考基因组是一条线性DNA序列，当待测样本的序列与参考基因组差异较大时，比对难度与误差增大，导致变异检测准确率下降。

　　相对于参考基因组，泛基因组通过整合多个个体的基因组序列，以图结构表示群体共享序列和个体特异变异，使每条序列都能找到更接近自身的参考背景，从而提升结构变异检测的准确率。然而，泛基因组比对将结构变异检测从“字符串对字符串”演变成“字符串对图”的搜索，带来计算复杂度显著上升的新挑战。如何高效利用泛基因组图检测结构变异，并持续使用新样本快速扩展泛基因组图谱，成为亟待解决的问题。

　　针对上述问题，研究团队利用长读长测序数据提出SVPG结构变异检测算法。该算法采用渐进式“字符串-图”序列比对策略，包括两种模式（图）。其中，模式I判断新样本中是否存在已知变异，利用常规线性比对结果将携带结构变异信号的片段重比对到泛基因组图，实现结构变异检测和群体分析；模式II判断新样本中是否存在未知变异，不依赖线性参考，直接分析序列与泛基因组图的比对结果，发现尚未收录的新结构变异。使用国际标准数据集测试结果表明：与cuteSV、sniffles2、SVIM等主流的结构变异检测算法相比，SVPG算法在复杂基因组区域、低覆盖度测序、罕见结构变异和肿瘤样本等挑战性场景中有效地识别结构变异，准确率提升4~12%。在泛基因组图谱扩展方面，SVPG算法使用20例新样本进行图谱增强，与传统的基于组装方式构建的泛基因组图谱一致性达到98%，时间仅需约0.5天，速度提升10倍。这意味着，每测一个新样本，泛基因组图谱就能在检测结构变异的同时自动更新，从而使其从静态参考变为可快速迭代的动态资源。

　　SVPG算法推动了结构变异检测从线性参考向泛基因组参考演进，为使用泛基因组图谱开展罕见病诊断、癌症精准治疗和大规模群体遗传研究提供了新的方法学支撑。