ARTICLE · 1091638
WES CNV分析软件服务
真正能构成竞争差异的不是"做了WES CNV"分析这件事，而是别人做不全、做不准、做不到自动化的那些环节。
1. 性染色体专项：一套深度信号同时解决五类问题
这是差异化最强的部分，因为绝大多数WES-CNV工具只输出常染色体CNV，性染色体要么单独另跑，要么干脆忽略。
我们的方法把比对深度聚类 + log2ratio拷贝数反推 + 高深度SNV辅助三套信号交叉验证，一份数据同时输出：性染色体非整倍体（45,X / 47,XXX / 47,XXY / 47,XYY，含嵌合）、性反转（46,XX+SRY）、录错性别/样本交换、跨性别交叉污染。规则表覆盖17种核型情形。
更关键的是它能覆盖 CNV 层面全外可分析范畴里的几乎全部性染色体异常——非整倍体（含嵌合）、性反转、性染色体非整倍体嵌合、跨性别交叉污染、录错性别，以及拟常染色体区 CNV、AZF 缺失。其中单次性别校验即可识别约一半的样本交换，这意味着它是质控模块而非检测模块，可以无成本地挂到任何 WES/WGS数据流水线上。
2. "以Y裁决"的裁决机制：嵌合与性反转场景下的鲁棒性
这是这套性染色体方法里最硬的一个工程判断。
X 聚类按"均一化深度之和小→男性"来分，但 47,XXY、48,XXYY、45,X 及低比例嵌合样本中，X 的深度会被拉向中间值而误判。Y 染色体在男性中存在、女性中近乎为零，信号对比度极高，几乎不受嵌合比例影响。把裁决权交给 Y，等于在整套方法里埋了一个不受拷贝数扰动干扰的锚点。
同类工具普遍用单一 X/Y 比对率阈值，遇到嵌合就失灵。这条裁决规则是区分两者的核心。
3. PAR 单独处理
拷贝数公式 copyNumber = baseCN × 2^(log2ratio) 本身不稀奇，稀奇的是 baseCN 的分档表：
PAR1与 PAR2 在减数分裂中配对重组，拷贝数行为不同于非 PAR 区。不单独设 baseCN=2，会在 X/Y 交界产生系统性伪 CNV。这一细节是区分"真缺失"与"比对伪影"的关键，也是 PAR 区 CNV 能报得出来的前提。
4. 同源基因区 CNV：假基因与重复序列区域的系统性处理
WES-CNV 最容易翻车的地方就是同源区，而这也是临床最高频的需求。
你们覆盖 SMN1/SMN2、CYP21A2、HBA1/HBA2、SBDS、IKBKG 等存在同源区域或假基因的基因 CNV——与软文中列出的特殊基因系统化分析能力（CYP21A2、GBA1、CYP2D6、F8、FMR1、HBA1/2、SMN1/2、DMD）形成技术上的咬合。这类基因的处理同时依赖双轴校正（GC 含量分箱 + 低 mappability 加权/回归），因为同源区的伪影主要就来自比对偏差。
关于SMN1的拷贝数的确诊和精确确定SMN2基因的拷贝数（NGS？ddPCR？三代测序？）
5. 小外显子级信号保护性保留
常规 WES CNV 工具的阈值普遍设在三个连续外显子，原始数据里的一两个外显子变异会被 CBS 切掉。
wo 们的策略是在 CBS 判为"拷贝数正常"的区域内，若单个或数个外显子的原始 log2ratio 超阈值则予以保留；在判为异常的大片段内，疑似纯合缺失或拷贝数>3 的外显子级信号同样保留。这一条直接对应 PRKN（早发型帕金森）、DMD（杜氏肌营养不良）、PMP22（腓骨肌萎缩症/Charcot-Marie-Tooth）等基因的单/双外显子致病 CNV——这些样本走常规流程的结论是"阴性"。
配合 IGV 全数据集查看与 PRKN、PMP22、DMD、PLP1、MECP2 等高频 CNV 基因的靶向可视化，构成从"检出"到"可复核"的闭环。
6. 对照集三档自适应
不预设固定对照集，按样本量走三条路径：>500 用 PCA 聚类分组自动剥离批次与平台隐变量；≤500 用 Pearson 相关筛选（r>0.9 且同性别）；<10 或某性别<4 时用固定参考集合并后再筛选。
第三档最容易被忽略也最致命——稀有性别样本用全体样本做基线，X/Y 信号会系统性失真。这一档的保留意味着流程在冷启动和稀有性别场景下都不会崩，而"同批次、同性别、同测序平台、同捕获试剂盒"四重约束保证了假阳性从流程入口就被压住。
7. SNV 基因型一致性校验：有文献支撑的假阳性过滤
杂合缺失区不可能与杂合 SNV 重叠——如果重叠，则 SNV 与缺失二者必有一假；默认阈值是该 CNV 内 ≥30% 的重叠 SNV 为杂合即判假阳性。对重复变异，则用模糊逻辑模型按等位基因频率打分（真实重复期望 33%/66%，假阳性为 50%）。
该工具在 3 个 WGS 样本与 541 个 panel 样本、13 个 CNV calling 工具上验证，假阳性减少15.3%–44.8%，FDR 最高下降 10.4%，F1-score 最高提升 20.7%；panel 数据集上未出现将真 CNV 误判为假阳性的情况；中位运行时间 panel 样本 0.85 秒、WGS 3.53 分钟。
我们流程中的"杂合缺失区出现杂合 SNV 即判为假阳性"与之同源，叠加 Trio-WES 亲本溯源（parent-of-origin）确认 CNV 真实性与遗传来源，形成两道独立闸门。
8. 隐性遗传"单杂合 SNV"补查逻辑
这是临床推理层面的优势，不是算法层面的。
对隐性遗传模式且仅检出 1 个杂合 SNV 的情况，主动在 IGV 中排查对应基因是否存在外显子级缺失，作为"第二个打击"——用于解释复合杂合致病机制。这类补查不是参数能调出来的，它要求分析人员既懂遗传模式又懂数据形态，本质上是一条基于临床假设的触发规则，直接对应"表型对不上"的疑难病例。
9. 拷贝数中性前提下的 ROH / UPD / IBD 分析
这部分是"不依赖拷贝数变化"的能力，区分度很高：在拷贝数看不出异常的样本里，通过杂合 SNV 缺失模式识别 ROH（杂合性缺失），结合 Trio-WES 做 UPD / IBD 分析及亲本来源判定，含嵌合情形。
10. 双指南双工具：一条流程覆盖两种尺度
基因内/外显子级 CNV 转 VCF 后用 VEP 注释，走 ACMG/AMP；多基因区段用 AnnotSV 注释，走 ACMG/ClinGen。两条路径在"基因内容、断点、患者/对照频率、表型匹配"上的考量权重完全不同，混用会导致小 CNV 被低估、大片段被过度判读。
每条候选片段还附带对照 CV 量化波动性，给报告增加一个可靠性维度，MDT 据此决定"可直接入报告"还是"需独立验证"。
11. 非整倍体、多倍体识别
69,XXX / 69,XXY / 69,XYY 等三倍体情形纳入分析范畴，覆盖产前诊断场景。这条属于"低频但极具诊断价值"的能力，多数 WES CNV 流程不具备。
12. 成本结构与一次检测的覆盖面
这条是商业模式上的差异，不是技术上的。
一份 WES 数据同时输出 SNV、CNV（大片段+单基因+外显子级）、ROH/UPD、性染色体异常、iUPD/ROH、跨性别污染（CHARR），不增加任何湿实验。而行业共识已经转向"WES 作为 first-tier，CMA/CNV-seq 作为 second-tier"——CMA 或 CNV-seq 阴性需要序贯做 WES/WGS 进一步分析，检测周期被拉长；若把 CNV-seq 提高到 WES 层面的 3-5x 深度，性价比不如直接加一步全外捕获。
WES 厂家普遍在基础全外上增加 CNV 骨架探针，对 CNV 检测能力进一步增强，在单基因和外显子级 CNV 检测上具有 CMA/CNV-seq 几乎无法覆盖的独特优势。全外显子组分析 CNV 已能提高 5-10% 阳性诊断率（因实验室水平与软件差异，覆盖能力参差不齐）——我们把这份增量收敛成了标准化、可复现的 SOP。
软件提供源码，和详细操作SOP，有需要的欢迎扫码联系。