Быстрое двухэтапное фазирование крупномасштабных данных секвенирования

Фазирование гаплотипов представляет собой оценку гаплотипов по данным о генотипах. Мы представляем быстрый, точный и экономичный с точки зрения использования памяти метод фазирования гаплотипов, масштабируемый для крупномасштабных данных SNP-массивов и секвенирования. Для снижения потребления памяти и времени вычислений в методе используются разбиение маркеров на окна и составные референсные гаплотипы. Алгоритм включает прогрессивное фазирование, при котором на каждой итерации выявляются гетерозиготные варианты с надёжно определённой фазой, а на последующих итерациях их фаза фиксируется. Для данных с большим числом низкочастотных вариантов, например данных полногеномного секвенирования, применяется двухэтапный алгоритм: на первом этапе частые маркеры фазируются с помощью прогрессивного фазирования, а на втором низкочастотные маркеры — посредством импутации генотипов. Этот метод фазирования гаплотипов реализован в программном пакете Beagle 5.2 с открытым исходным кодом. Мы сравнили Beagle 5.2 и SHAPEIT 4.2.1 на последовательно увеличивающихся выборках из 485 301 участника UK Biobank и 38 387 участников TOPMed. При работе с данными SNP-массивов UK Biobank оба метода продемонстрировали очень сходные точность и время вычислений. Однако при анализе данных секвенирования TOPMed Beagle оказался более чем в 20 раз быстрее SHAPEIT, обеспечил сопоставимую точность и продемонстрировал масштабируемость для выборок большего размера.