用 AI 来分析 CNV?这个工具帮你从 WGS 数据一键出图!

随着全基因组测序（WGS）成本持续下降，越来越多的科研和临床项目开始大规模应用 WGS 数据。而在 WGS 数据分析中，拷贝数变异（Copy Number Variation，CNV）检测是一个绕不开的核心步骤——无论是肿瘤基因组学、罕见遗传病诊断，还是群体遗传学研究，都离不开 CNV 分析。

今天给大家分享一个非常实用的 AI Skill——cnv-caller-plotter，它可以帮助我们从 WGS 数据中自动检测 CNV，并生成高质量的全基因组可视化图谱，真正做到"一键从数据到图"。

一、cnv-caller-plotter 是什么？

cnv-caller-plotter 是由 AIPOCH 开发的一个开源 AI Skill，目前已有 583 颗 Star，专为全基因组测序数据的 CNV 分析设计。

核心功能包括：

• CNV 检测：从比对好的测序数据（BAM 文件）中识别拷贝数增益（扩增）和缺失
• 基因组分箱（Segmentation）：将基因组划分为等大小的区间（bin），用于拷贝数估算
• 多格式输入支持：兼容 BAM、VCF 等标准基因组学格式
• 发表级可视化：生成 PNG、PDF、SVG 格式的全基因组 CNV 图谱
• 标准化输出：以 BED 格式导出 CNV 结果，方便下游分析

二、CNV 检测的核心原理

首先，我们来了解一下该工具是如何检测 CNV 的。

基于读深度（Read Depth）的检测策略

最核心的方法是读深度分析：将基因组切分成固定大小的"窗口"（bin），统计每个窗口内比对上的 reads 数量。正常二倍体区域的 reads 覆盖深度是均一的，而发生拷贝数扩增的区域覆盖会异常升高，发生缺失的区域覆盖则会降低。

from scripts.main import CNVCaller# 初始化 CNV 检测器，设定 bin 大小为 1000bpcaller = CNVCaller(bin_size=1000)# 从 BAM 文件中检测 CNVcnv_calls = caller.call_cnvs(    input_file="sample.bam",    reference="hg38.fa")# 查看检测结果for cnv in cnv_calls:    print(f"{cnv['chrom']}:{cnv['start']}-{cnv['end']}")if cnv['cn'] > 2:        print(f"  类型：扩增（拷贝数 = {cnv['cn']}）")elif cnv['cn'] < 2:        print(f"  类型：缺失（拷贝数 = {cnv['cn']}）")

Bin 大小怎么选？

一句话总结：覆盖度越高，bin 可以越小，检测分辨率越高。

三、三大应用场景

场景一：肿瘤基因组分析（肿瘤-正常对）

这是最常见的应用场景。肿瘤样本中存在大量体细胞拷贝数变异（SCNA），通过与配对正常组织对比，可以精准识别肿瘤特异性的扩增和缺失。

工作流程如下：

1. 对肿瘤和正常 BAM 文件分别进行 CNV 检测
2. 两组结果对比，过滤掉正常样本中已存在的胚系 CNV
3. 保留肿瘤特有的体细胞变异
4. 注释癌症驱动基因（如 MYC 扩增、TP53 缺失）
5. 生成发表级图谱

一个典型的输出示例：

体细胞 CNV 汇总：  总变异数：47 处  扩增：12 处（包含 MYC、EGFR）  缺失：35 处（包含 TP53、PTEN）关键变异：  chr8:128000000-129000000 CN=8（MYC 高度扩增）  chr17:7000000-8000000    CN=0（TP53 纯合缺失）

场景二：罕见遗传病 CNV 诊断

对于疑似基因组病的患者，高灵敏度 CNV 检测至关重要。此场景需要：

• 使用更小的 bin（约 500bp）以提高灵敏度
• 过滤人群中常见 CNV（DGV、gnomAD 数据库）
• 重点关注低频（<1%）的罕见 CNV
• 与 OMIM、ClinVar、DECIPHER 等数据库交叉注释

场景三：群体遗传学研究

当需要分析大批量样本时，该工具支持批量处理，可用于：

• 识别在特定疾病群体中反复出现的 CNV 热点区域
• 进行 CNV 负荷（burden）分析
• 病例-对照关联检验

四、快速上手：从数据到图只需几步

环境准备

# 需要 Python 3.10+，安装必要依赖pip install pysam numpy matplotlib pandas# 创建参考基因组索引samtools faidx hg38.fa# 确保 BAM 文件已建索引samtools index sample.bam

运行分析

# 基本用法：输入 BAM，输出 CNV 结果python scripts/main.py \  --input sample.bam \  --reference hg38.fa \  --output ./cnv_results \  --bin-size 1000 \  --plot-format pdf

输出文件结构

分析完成后，输出目录结构如下：

cnv_results/├── cnv_calls.bed        # CNV 结果（BED 格式）├── cnv_plot.pdf         # 全基因组 CNV 可视化图谱└── analysis_summary.json  # 统计汇总信息

五、与其他工具的联动

cnv-caller-plotter 并不是孤立使用的，它有明确的上下游工具衔接：

上游（数据预处理）：

• fastqc-report-interpreter：评估测序质量
• alignment-quality-checker：检查 BAM 文件覆盖均一性

下游（结果深挖）：

• circos-plot-generator：生成染色体环形图
• go-kegg-enrichment：对 CNV 区域内的基因做功能富集分析
• heatmap-beautifier：多样本 CNV 热图可视化

完整流程：

原始 WGS 数据 → 质控 → 比对 → cnv-caller-plotter → 功能注释 → 发表图谱

六、几个常见坑，提前避开

坑 1：覆盖度不足WGS CNV 检测至少需要 15-20x 的覆盖度，低于这个阈值假阳性率会急剧升高。

坑 2：参考基因组版本不一致BAM 文件比对用的是 hg19，但 CNV 分析用了 hg38 的参考，结果坐标会乱套。务必确保全程用同一个版本。

坑 3：肿瘤纯度问题肿瘤样本中混有大量正常细胞时，CNV 信号会被"稀释"。纯度低于 20% 时，部分 CNV 可能检测不到。

坑 4：不过滤重复区域着丝粒、端粒、节段重复区域的 reads 比对不可靠，会产生大量假阳性 CNV。务必在后处理步骤中过滤这些区域。

小结

cnv-caller-plotter 是一个功能完善、使用简便的 CNV 分析 AI Skill，覆盖从数据输入、CNV 检测、质控过滤到可视化输出的完整流程，适用于肿瘤基因组学、罕见遗传病以及群体遗传学等多个场景。

CNV 分析的工具和方法有很多，大家可以根据自己的需求和数据类型灵活选择。如果你正在使用 WGS 数据并希望快速获得高质量的 CNV 结果，不妨试试这个工具，欢迎在评论区分享你的使用体验！

文中有表述不准确的地方，也希望大家不吝指正 😊

参考资料

1. cnv-caller-plotter GitHub 仓库：https://github.com/aipoch/medical-research-skills
2. Skill 详情页：https://skillsmp.com/zh/skills/aipoch-medical-research-skills-scientific-skills-data-analysis-cnv-caller-plotter-skill-md
3. Database of Genomic Variants (DGV)：http://dgv.tcag.ca
4. gnomAD Structural Variants：https://gnomad.broadinstitute.org
5. ClinVar：https://www.ncbi.nlm.nih.gov/clinvar
6. DECIPHER：https://www.deciphergenomics.org