FDA日前通過(guò)在線平臺(tái)precisionFDA舉辦了“ConsistencyChallenge”活動(dòng)，目的是測(cè)試遺傳研究中最常用軟件工具的精確度和可重復(fù)性。在白宮舉行的國(guó)家精準(zhǔn)醫(yī)療計(jì)劃峰會(huì)上，奧巴馬總統(tǒng)的科學(xué)技術(shù)高級(jí)顧問(wèn)JohnHoldren宣布了這項(xiàng)活動(dòng)。
　　
　　precisionFDA是一個(gè)分析軟件的測(cè)試平臺(tái)，測(cè)試那些將原始DNA序列數(shù)據(jù)處理成有用信息的分析軟件。該平臺(tái)在去年12月推出，包含了用戶(hù)可用來(lái)重復(fù)的基因組數(shù)據(jù)的黃金標(biāo)準(zhǔn)的集合；用于大量測(cè)序數(shù)據(jù)分析流程運(yùn)行的計(jì)算環(huán)境；以及與廣大的科學(xué)界人士共享分析流程和結(jié)果的版塊。雖然這個(gè)平臺(tái)是由FDA管理，但是平臺(tái)的開(kāi)發(fā)工作是外包給私人公司DNAnexus的。
　　
　　“ConsistencyChanllenge”是preicisonFDA發(fā)起的第一個(gè)倡議，用于測(cè)試基因組學(xué)中一些主流算法流程。該活動(dòng)主要關(guān)注序列比對(duì)（mapping）和變異檢測(cè)（variantcalling）兩個(gè)方面，過(guò)程主要包括測(cè)序得到短DNAreads，比對(duì)到人類(lèi)基因組參考序列上，檢測(cè)與參考序列不同的數(shù)據(jù)對(duì)應(yīng)的區(qū)域。
　　
　　這是在幾乎所有人類(lèi)基因研究中最基礎(chǔ)和最首要的分析。最終結(jié)果是一個(gè)VCF（VariantCallFormat）格式的文件，該文件中包含了個(gè)人基因組中檢測(cè)到的所有基因變異。實(shí)際上，由于技術(shù)局限性，這些文件中包含的往往只有小型的DNA變異，稱(chēng)作SNP或者indel，不含有基因組的大型重組。
　　
　　用于序列比對(duì)和變異檢測(cè)的標(biāo)準(zhǔn)工具是該領(lǐng)域使用最廣泛的軟件，包括BWA、Bowtie、GenomeAnalysisToolkit。
　　
　　然而很難測(cè)試出哪一種分析軟件是最有效的。大多數(shù)的軟件是開(kāi)源的，而且具有很多不同版本。生物信息學(xué)家也會(huì)將這些工具混合匹配起來(lái)創(chuàng)建新的流程，所以檢測(cè)結(jié)果的不一致可能是比對(duì)工具或變異檢測(cè)軟件的問(wèn)題，又或者兩者都有。另外還存在著更多不太知名的工具能夠完成同樣的分析任務(wù)。
　　
　　為了評(píng)估不同分析流程的性能，“ConsistencyChanllenge”將為所有參與者提供相同的原始數(shù)據(jù)進(jìn)行分析。這些數(shù)據(jù)來(lái)自已經(jīng)研究的非常清楚地人類(lèi)細(xì)胞系NA12878的測(cè)序結(jié)果。分析的結(jié)果將與“瓶中基因組（GenomeinaBottle）”項(xiàng)目提供的金標(biāo)準(zhǔn)VCF文件進(jìn)行比較，該項(xiàng)目已經(jīng)詳盡的研究了NA12878，以用于各種類(lèi)型的質(zhì)控。
　　
　　多管齊下，對(duì)分析流程進(jìn)行評(píng)估
　　
　　不同于那些試圖梳理基因變異在健康和生物方面影響的高級(jí)軟件，生成VCF文件的流程產(chǎn)生出的結(jié)果清晰，能夠?qū)ζ溥M(jìn)行非常客觀的評(píng)估。DNAnexus公司戰(zhàn)略發(fā)展部總監(jiān)GeorgeAsimenos說(shuō)，“這不是一個(gè)非常復(fù)雜的挑戰(zhàn)，通過(guò)處理大家熟悉的數(shù)據(jù)，目的是為了促進(jìn)人們參與到precisionFDA中，讓更多人知道這個(gè)平臺(tái)。”
　　
　　雖然這項(xiàng)倡議很基礎(chǔ)，但是挑戰(zhàn)在于如何對(duì)結(jié)果進(jìn)行分析。
　　
　　對(duì)VCF文件進(jìn)行比較和評(píng)分不是一項(xiàng)簡(jiǎn)單的任務(wù)，因?yàn)榭茖W(xué)家們描述與“正常”人類(lèi)基因組序列的偏差的方式往往是模糊的。例如，一些變異是小型的缺失，即與參考序列比對(duì)時(shí)缺少了一個(gè)堿基。但是如果缺失發(fā)生在一串相同的堿基中（例如GAAAAT這樣的序列），那么就無(wú)法回答“缺失的是哪個(gè)A？”
　　
　　這也就是說(shuō)即使兩個(gè)VCF文件都描述了同樣的變異，但是也可能檢測(cè)出的是參考基因組上兩個(gè)不同位置的缺失。簡(jiǎn)單的軟件程序常常會(huì)犯錯(cuò)誤，認(rèn)為這樣的VCF文件其中之一或者兩個(gè)都是錯(cuò)誤的。
　　
　　Asimenos認(rèn)為，“在早期，我們認(rèn)為最佳方法應(yīng)該是，讓相關(guān)組織告訴我們比較VCF文件的最佳方法，而不是FDA強(qiáng)制實(shí)行某種特定的方法。”根據(jù)GenomeinaBottle和全球基因組與健康聯(lián)盟（GA4GH）等組織的指導(dǎo)意見(jiàn)，F(xiàn)DA選擇了一款由RealTimeGenomics公司設(shè)計(jì)的軟件vcfeval，該工具已經(jīng)發(fā)表并且開(kāi)源，可作為對(duì)流程打分的一個(gè)備選。
　　
　　Vcfeval用一種上下文感知的方式讀取VCF文件，當(dāng)檢測(cè)到兩個(gè)變異為同義突變時(shí)會(huì)將其輸出。Asimenos說(shuō)，“vcfeval分析需要完整的參考基因組序列來(lái)進(jìn)行比較，事實(shí)上，這款軟件能夠檢測(cè)到很多不易察覺(jué)的信息。”一旦確定了提交的VCF文件與GenomeinaBottle提供的金標(biāo)準(zhǔn)文件存在的不同變異數(shù)量，vcfeval程序?qū)?duì)流程的準(zhǔn)確性進(jìn)行打分。它將考慮陽(yáng)性變異檢測(cè)、假陽(yáng)性、假陰性以及更加細(xì)微的統(tǒng)計(jì)學(xué)概念，例如陽(yáng)性預(yù)測(cè)率。
　　
　　“ConsistencyChanllenge”并不是一項(xiàng)單一的、絕對(duì)的精確度量挑戰(zhàn)。Asimenos說(shuō)，“FDA非常聰明地在挑戰(zhàn)中引入了一個(gè)重復(fù)性版塊。”參與者將分別對(duì)兩組不同的NA12878測(cè)序數(shù)據(jù)進(jìn)行分析，一共進(jìn)行三次。這兩組測(cè)序數(shù)據(jù)都是來(lái)自IlluminaHiseqXTen測(cè)序系統(tǒng)，產(chǎn)自?xún)膳_(tái)不同的測(cè)序儀。
　　
　　通過(guò)兩組不同的數(shù)據(jù)對(duì)分析流程的性能進(jìn)行比較，F(xiàn)DA希望能夠更好地展示，實(shí)驗(yàn)條件的不同，例如測(cè)序儀操作人員和測(cè)序環(huán)境，會(huì)影響到最終的結(jié)果。該挑戰(zhàn)同樣也會(huì)評(píng)估當(dāng)同一組數(shù)據(jù)進(jìn)行兩次運(yùn)算產(chǎn)生兩個(gè)VCF文件時(shí)會(huì)發(fā)生什么。因?yàn)闇y(cè)序儀是同時(shí)進(jìn)行大量的平行測(cè)序，沒(méi)有哪兩個(gè)測(cè)序過(guò)程是完全相同的，對(duì)遺傳學(xué)研究組織來(lái)說(shuō)，最大的問(wèn)題就是這樣會(huì)對(duì)整個(gè)分析造成多大的影響。
　　
　　基因研究的真實(shí)性取決于準(zhǔn)確檢測(cè)變異的能力。通過(guò)重復(fù)實(shí)驗(yàn)，對(duì)不同測(cè)序儀產(chǎn)出的數(shù)據(jù)進(jìn)行分析，同時(shí)與絕對(duì)標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行比較，對(duì)分析流程的性能進(jìn)行測(cè)試，precisionFDA將多管齊下地進(jìn)行分析流程的評(píng)估。
　　
　　齊心協(xié)力，來(lái)自不同組織的支持
　　
　　越來(lái)越多的人要求FDA研究和批準(zhǔn)用于病人診斷和治療的基因檢測(cè)，而為了能夠有效地進(jìn)行研究，F(xiàn)DA需要弄清楚分析這些基因檢測(cè)的工具是否精準(zhǔn)并且可重復(fù)。
　　
　　“ConsistencyChallenge”并不是僅限于FDA內(nèi)部使用。如同F(xiàn)DA早期建立的網(wǎng)站平臺(tái)openFDA一樣，precisionFDA旨在廣泛分享知識(shí)，讓全球的科研人員受益。
　　
　　雖然“ConsistencyChallenge”是公開(kāi)的，但precisionFDA云平臺(tái)可以私下使用。即使是FDA也只能查看和評(píng)估用戶(hù)選擇了公開(kāi)可見(jiàn)的流程。參與者可以在本地計(jì)算環(huán)境中生成VCF文件然后上傳，同時(shí)對(duì)流程中使用的工具進(jìn)行說(shuō)明；或者也可以在precisionFDA云平臺(tái)上運(yùn)行整個(gè)分析流程，公開(kāi)使用的所有軟件。
　　
　　無(wú)論哪種方法，研究團(tuán)體都將看到不同分析流程間的相互較量。這不僅僅能讓遺傳學(xué)家了解哪個(gè)開(kāi)源工具更有效，更是讓那些各具優(yōu)勢(shì)但是不為人知的分析工具浮出水面。Asimenos說(shuō)，“我希望這次活動(dòng)將為那些正在開(kāi)發(fā)新方法但是缺乏平臺(tái)展示的研究人員提供一個(gè)好機(jī)會(huì)。”
　　
　　這種對(duì)遺傳學(xué)基礎(chǔ)工具的全面評(píng)估是我們急需的，而且大量的利益相關(guān)方已經(jīng)加強(qiáng)了對(duì)這方面的支持。其中有的是公立組織，有的是非盈利組織，例如GenomeinaBottle和GA4GH。其他還包括一些盈利性公司，例如DNAnexus、RealTimeGenomics、HumanLongevity（提供了一組NA12878測(cè)序數(shù)據(jù)），或者像Garvan研究所這樣的大型學(xué)術(shù)中心，Garvan研究所也提供了NA12878測(cè)序數(shù)據(jù)。
　　
　　Asimenos列舉了其他六個(gè)對(duì)precisionFDA項(xiàng)目做出貢獻(xiàn)的組織機(jī)構(gòu)，其中包括Illumina、23andMe以及Broad研究院等該領(lǐng)域的巨頭。他說(shuō)，“這是大家共同努力的結(jié)果，我非常感激這些人能夠貢獻(xiàn)出他們的數(shù)據(jù)并且加入了這個(gè)網(wǎng)站。”
　　
　　“ConsistencyChallenge”需要人們廣泛的參與來(lái)充分發(fā)揮這個(gè)項(xiàng)目的意義。競(jìng)賽將會(huì)于4月25日向公眾開(kāi)放，任何想來(lái)參加挑戰(zhàn)的人都可以報(bào)名，這項(xiàng)競(jìng)賽將成為precisonFDA的第一個(gè)挑戰(zhàn)比賽，旨在評(píng)估用于人類(lèi)基因組研究的軟件工具。