OpenClaw Medical Skills 生信技能详解|变异检测与注释

点击上面“蓝字”关注我们 

本仓库中的变异检测与注释领域包含 17 个专用技能，按功能划分为四个层级：变异检测引擎、变异注释工具、VCF 操作实用程序以及临床解读层。这些技能由上游的质量控制能力OpenClaw Medical Skills 生信技能详解｜质控与读长处理和下游分析（涵盖在精准医学与变异解读中）作为补充。

该架构遵循严格的线性依赖关系：比对后的 reads 必须先进行变异检测，然后进行质量过滤，接着进行标准化，最后进行注释——临床解读则消耗完全注释后的输出。根据分析的具体需求，每一层都可以独立替换。

提供三种主要的变异检测，每种都针对不同的应用场景和性能特征进行了优化。选择正确的检测器是流水线架构中最具影响力的单项决策。

2.1 GATK HaplotypeCaller — 临床标准（bio-gatk-variant-calling）

GATK HaplotypeCaller 依然是临床和研究领域胚系变异检测的黄金标准。bio-gatk-variant-calling 技能实现了完整的 GATK 最佳实践工作流，包括 BQSR 预处理、单样本及基于 GVCF 的队列检测、VQSR、硬过滤以及新兴的 CNN 评分过滤。建议所有队列分析均使用 GVCF 工作流，因为它能够跨样本进行联合基因分型，从而提高罕见变异的灵敏度。

完整的单样本流水线包含五个阶段：BaseRecalibrator → ApplyBQSR → HaplotypeCaller（GVCF 模式）→ GenotypeGVCFs → VariantFiltration。对于队列分析，在联合基因分型之前，需通过 GenomicsDBImport 合并各样本的 GVCF。当变异数量不足以进行 VQSR 时（通常为外显子组或小面板），则应用硬过滤阈值：QD > 2.0, FS < 60 (SNP) / < 200 (indel), MQ > 40, SOR < 3 (SNP) / < 10 (indel)。

2.2 DeepVariant — 深度学习级别的准确度（bio-variant-calling-deepvariant

DeepVariant 代表了一种范式转变，它将 read pileup 转换为图像张量，并使用卷积神经网络对其进行分类。bio-variant-calling-deepvariant 技能涵盖了基于 Docker 的部署、所有五种模型类型（WGS、WES、PACBIO、ONT_R104、HYBRID_PACBIO_ILLUMINA）、GPU 加速以及基于 GLnexus 的联合基因分型。DeepVariant 在 GIAB 基准测试中始终名列前茅，当准确度是首要约束条件时，它是理想的选择。

其一个关键优势是无需修改流水线即可原生支持长读长测序平台——只需切换 --model_type 参数即可。该技能还包含了使用 hap.py 针对 GIAB 真实数据集进行基准测试的指南，从而实现准确的定量评估。

2.3 bcftools — 轻量且快速（bio-variant-calling）

bio-variant-calling 技能提供了从 BAM 到 VCF 最快的路径，通过管道将 bcftools mpileup 传递给 bcftools call。虽然对于复杂变异，其准确度低于 GATK 或 DeepVariant，但它在快速原型设计、靶向区域分析以及计算资源有限的场景中表现优异。该技能涵盖了质量过滤（-q/-Q 阈值）、多样本检测、靶向区域限制（BED 文件）、按染色体并行化以及全面的注释标签配置（DP、AD、ADF、ADR、GQ、PL）。

如何在检测器之间做选择：对于临床级流水线，GATK HaplotypeCaller 仍然是最稳妥的选择，因为它拥有广泛的验证文献和监管机构的熟悉度。当基准测试证明的准确度至关重要（例如罕见病诊断）且计算预算允许时，应首选 DeepVariant。bcftools 最好保留用于探索性分析或作为验证交叉检查。

原始的变异检测结果包含假阳性，必须在注释前将其去除。两个互补的技能应对了这一关键的质量控制关卡。

3.1 VQSR 与硬过滤

bio-variant-calling-filtering-best-practices 技能涵盖了基于机器学习的 VQSR（变异质量分数校准）和固定阈值的硬过滤。VQSR 使用已知变异资源集构建高斯混合模型——HapMap（真实 SNP，先验 15.0）、Omni（训练 SNP，先验 12.0）、1000 Genomes（训练 SNP，先验 10.0）、Mills Indels（真实 indel，先验 12.0）以及 dbSNP（已知变异，先验 2.0）——以将变异分类为 PASS 或已过滤。硬过滤是针对数据集过小而无法支持 VQSR 时的备选方案，对关键注释应用基于阈值的表达式。

GATK 技能还记录了新兴的 CNNScoreVariants 深度学习过滤器作为 VQSR 的替代方案，它使用在参考序列上下文上训练的卷积神经网络对变异进行评分，并按 tranche 灵敏度进行过滤。

3.2 关键过滤注释

注释通过添加功能影响、人群频率、临床意义和致病性预测，将基础的 VCF 转化为描述丰富的变异目录。bio-variant-annotation 技能作为中央枢纽，涵盖了四个注释引擎：bcftools annotate/csq、Ensembl VEP、SnpEff 和 ANNOVAR。

4.1 注释工具对比

4.2 Ensembl VEP — 全能注释器

VEP（Variant Effect Predictor）是功能最丰富的选项，被指定为注释技能的主要工具。配合 --everything 标志运行，可在单次调用中启用 SIFT 预测、PolyPhen-2 评分、HGVS 命名法、基因符号、规范转录本选择、1000 Genomes 频率、gnomAD 频率以及 PubMed 参考文献。该技能记录了用于 CADD 评分、dbNSFP 预测器（SIFT、PolyPhen、REVEL 等 20 多种）以及 SpliceAI 剪接效应预测的插件集成 。

完整的注释流水线包含三个阶段：变异标准化（左对齐和分解）、使用 --everything --pick 进行 VEP 注释，以及基于影响程度对 HIGH/MODERATE 后果进行过滤。--pick 标志为每个变异选择一个代表性转录本，从而简化下游过滤。

4.3 SnpEff + SnpSift — 快速批量处理

SnpEff 使用本地基因组数据库提供快速的影响注释，将变异分为四个影响层级：HIGH（获得终止密码子、移码、剪接供体/受体）、MODERATE（错义、非移码插入缺失）、LOW（同义、剪接区域）和 MODIFIER（内含子、基因间、UTR）。SnpSift 通过数据库注释（dbSNP rsID、ClinVar 临床意义、dbNSFP 致病性评分）和基于表达量的过滤对其进行了扩展。多个 SnpSift 操作可在流水线中串联，以实现单次遍历的全面注释。

4.4 bcftools annotate — 轻量级字段操作

对于更简单的注释需求——例如从 dbSNP 添加 rsID 或附加基于 BED 的自定义区域标签——bcftools annotate 提供了最快的路径。它根据位置和等位基因与外部 VCF、BED 或 TAB 文件进行匹配，复制指定的 ID 或 INFO 列。配套的 bcftools csq 命令使用 GFF3 基因模型预测功能后果，而无需安装完整的注释引擎 。

4.5 致病性预测器与临床意义

ClinVar 临床意义分类遵循 ACMG/AMP 框架：Pathogenic（致病）、Likely_pathogenic（可能致病）、Uncertain_significance（意义不明，VUS）、Likely_benign（可能良性）和 Benign（良性）。注释技能提供了这些代码与其临床解读之间的映射关系，这些映射将直接输入到临床解读层。

4.6 VCF 操作与统计

在进行注释之前，变异通常需要标准化（左对齐和多等位基因分解）。在注释之后，VCF 文件需要进行合并、拆分、统计汇总和子集化。三个专用技能构成了 VCF 实用工具层。

标准化是准确注释的前提：如果没有左对齐，相同的变异在不同检测器中可能会有不同的表示形式，从而导致遗漏数据库匹配。bio-variant-normalization 技能使用 bcftools norm -m-any 分解多等位基因位点并将等位基因相对于参考基因组进行左对齐。bio-vcf-statistics 技能计算转换/颠换比值——全基因组测序的一项关键质量指标，预期值约为 2.0–2.1——以及用于质量评估的杂合率和深度分布 。

4.7 临床解读

原始变异注释与可操作的临床洞察之间的桥梁由两个技能构成：bio-variant-calling-clinical-interpretation 和 bio-variant-calling-variant-prioritization。这些技能应用 ACMG/AMP 指南对变异致病性进行分类，并通过整合来自人群数据库、计算预测、功能数据和临床文献的证据来对候选变异进行排序。临床解读层由 11 个专用的临床数据库技能提供支持，这些技能提供了底层的证据来源。

除了 SNP 和小型插入缺失外，变异检测领域还扩展到了结构变异和体细胞突变。bio-variant-calling-structural-variant-calling 技能处理来自长读长或双端测序数据的大规模基因组重排，涵盖检测、分类和致病性评估。体细胞分析由五个专用技能集群提供服务：bio-copy-number-cnvkit-analysis、bio-copy-number-gatk-cnv、bio-tumor-fraction-estimation、bio-ctdna-mutation-detection 和 bio-longitudinal-monitoring——它们共同实现了液体活检和肿瘤演化追踪工作流。

VARIANT_CALLING_SKILLS=(  "bio-variant-calling"  "bio-gatk-variant-calling"  "bio-variant-calling-deepvariant"  "bio-variant-calling-joint-calling"  "bio-variant-calling-structural-variant-calling"  "bio-variant-calling-filtering-best-practices")# 注释层ANNOTATION_SKILLS=(  "bio-variant-annotation"  "bio-variant-normalization"  "bio-variant-calling-clinical-interpretation"  "bio-clinical-databases-clinvar-lookup"  "bio-clinical-databases-gnomad-frequencies"  "bio-clinical-databases-myvariant-queries")# VCF 实用工具VCF_SKILLS=(  "bio-vcf-basics"  "bio-vcf-manipulation"  "bio-vcf-statistics")ALL_SKILLS=("${VARIANT_CALLING_SKILLS[@]}" "${ANNOTATION_SKILLS[@]}" "${VCF_SKILLS[@]}")for skill in "${ALL_SKILLS[@]}"; do  cp -r OpenClaw-Medical-Skills/skills/$skill ~/.openclaw/skills/done

📌 往期回顾

第1期：开源医疗AI的“武器库”OpenClaw Medical Skills：869个技能，拿走不谢

第二期：OpenClaw Medical Skills 生信技能详解｜质控与读长处理

第三期：OpenClaw Medical Skills 生信技能详解｜变异检测与注释

📢 下期预告：《OpenClaw Medical Skills 生信技能详解｜差异表达与转录组学》，敬请期待

附1 variant-calling技能软件汇总：

附2 variant-annotation技能软件汇总：

附3 vcf实用工具技能软件汇总：