【为海量基因组数据一体化分析提供新思路，哈佛团队开发罕见变异检验工具】

“罕见变异检验方法 STAAR 发表后，受到了广泛关注。身边的许多合作者纷纷发邮件，问我们该如何使用 STAAR 这样的分析工具。

这让我们意识到，技术诞生和通过技术批量产出科技成果之间其实存在距离，就如同电动车制造技术和第一条#特斯拉# 生产线诞生之间存在数十年差距一样。因此，我们决定基于 STAAR 开发出一条自动化分析流程，更好地推进技术成果落地。”谈及开发 STAARpipeline 的初衷，美国#印第安纳大学# 医学院助理教授李子林表示。

近年来，以二代测序技术为代表的高通量测序技术发展迅速，给精准医疗科研工作者提供了海量的#基因组# 学数据。这些数据对揭示各种复杂疾病的遗传易感性及分子机制、识别高危个体或群体、发现防治干预靶点等具有重要意义。

因此，快速准确地分析规模化的基因组学和健康表型数据，并从中寻找致病基因、阐明基因与环境的交互作用，已成为全球精准医疗科研工作者关心的重要课题。

在此背景下，李子林所在的#哈佛大学# 林希虹院士团队开发了罕见变异关联性分析工具 STAARpipeline。该工具拥有一体化关联分析流程，可以实现大规模全基因组数据分析流程的自动化，功能包括全基因组功能注释、常见变异和罕见变异关联分析、条件分析以及分析结果的汇总和可视化。

李子林说：“STAARpipeline 针对非编码基因组，提出了多种中罕见变异分析单位选择的新方法，显著地提高了检验功效，对非编码罕见变异分析有着重要的指导意义。”

2022 年 10 月 27 日，相关论文以《大规模全基因组测序研究中检测非编码罕见变异关联的框架》（A framework for detecting noncoding rare-variant associations of large-scale whole-genome sequencing studies）为题在 Nature Methods 上发表[1]。

李子林和哈佛大学陈曾熙公共卫生学院生物统计学系研究员厉希豪博士后担任共同一作，美国国家医学院院士、哈佛大学生物统计系和统计系教授林希虹和李子林担任共同通讯作者。

据李子林介绍，2018 年他加入林希虹团队，与美国国家心肺血液研究所的精准化医学研究计划（Trans-Omics Precision Medicine Program, TOPMed）团队合作，共同开展大规模全基因组测序数据的分析工作。

过程中他们发现，与基于阵列技术的全基因组关联研究数据不同，在测序数据中发现的变异位点，绝大部分都是罕见变异。为了更充分地利用测序数据中包含的信息，需要一个针对罕见变异的分析方法。

戳链接查看详情：http://t.cn/A6KaWLE8