4. 结构变异检测算法分类

长读长测序把结构变异（SV）检测从“读长不够、只能靠拆分比对猜断点”推进到“可以完整跨越断点、直接观察连接关系”的阶段。但不同算法对长读长的利用方式并不相同：有的把读段压到参考基因组上，从比对痕迹推断SV；有的先把读段拼成更长的连续序列，再与参考比较；有的干脆绕开碱基序列，直接读取测序仪记录的原始电信号或荧光信号。理解这三类策略的输入、中间产物和判读依据，是后续搭建检测流程、选择工具和设计混合方案的基础。

三类策略的核心差异

基于比对（Mapping-based）的方法以参考基因组为坐标框架。它把长读段用 minimap2、NGMLR 等比对器压到参考上，然后检查比对结果中的异常模式：一条读段被切成多段、分别落在不同位置，说明存在断点；读段两端比对方向或顺序与参考不一致，提示倒位或易位；比对覆盖度在某个区间突然翻倍或归零，提示重复或缺失。这类方法输出的是“参考坐标 + 断点位置 + 变异类型”，优点是速度快、坐标明确、易于批量处理；局限在于参考本身若缺失该变异区域，读段无法正确落位，检测会漏掉，重复序列和片段重复区域也容易产生假阳性。

基于组装（Assembly-based）的方法不依赖参考作为唯一坐标。它先把读段拼成 contig 或更长的单元，再把组装结果与参考比对，或者直接在样本内部比较不同单倍型。由于组装过程利用了读段之间的重叠关系，它能发现参考中不存在的新序列（novel sequence），对插入、大片段重复和复杂重排更敏感。代价是计算量大、对测序深度和读长一致性要求高，组装错误会直接传导为假SV，且不同样本的组装结果坐标不统一，跨样本比较需要额外处理。

基于信号（Signal-based）的方法面向 Oxford Nanopore 等平台。它不把原始电流信号先转成碱基再分析，而是直接利用信号层面的特征：例如在参考序列上建立信号期望模型，比较实际信号与期望信号的偏差，偏差显著的区域提示存在变异。这类方法保留了碱基识别过程中可能丢失的信息，对甲基化、重复扩张等与信号相关的变异有独特优势；但信号模型依赖平台和试剂版本，跨平台迁移困难，且目前多数工具仍以“信号辅助碱基级检测”为主，纯信号SV检测的成熟度有限。

各方法适用场景与局限性

基于比对的方法适合参考质量高、变异以缺失/重复/倒位为主的场景，例如人群队列中已知参考区域内的 SV 筛查。它的速度优势在多样本批量处理时非常明显，但遇到参考缺失的插入或高度重复区域，检测能力会明显下降。基于组装的方法适合新序列插入、复杂重排、参考不完整的场景，例如肿瘤样本中大量体细胞重排、或非模式生物缺乏高质量参考时。它的计算成本高，且组装质量直接决定 SV 可信度。基于信号的方法适合与信号特征强相关的变异，如短串联重复扩张、甲基化相关结构变化，但跨平台迁移和标准化仍是瓶颈。

混合策略设计思路

实际工程中很少只用一种策略。一个可落地的混合思路是：先用比对方法快速生成候选 SV 集合和坐标骨架，因为比对速度快、坐标统一，能覆盖大部分常规变异；再用组装方法对候选区域或全基因组进行补充，重点找回参考中不存在的新序列插入和复杂重排；最后用信号方法对重复区、甲基化区或比对/组装结果不一致的区域进行验证，降低假阳性。例如在一条 30× ONT 数据上，先用 minimap2 + Sniffles 得到候选 VCF，再对覆盖度异常或拆分比对密集的区域做局部组装，最后用信号偏差曲线检查重复扩张候选。这样既控制了计算量，又提高了对复杂变异的召回率。

一个可参考的混合检测流程示例

# 示例参数，非实测结果
# 1. 比对与候选检测
minimap2 -ax map-ont -t 16 ref.fa reads.fq | samtools sort -o aln.bam
sniffles -i aln.bam -v candidates.vcf --minsupport 3

# 2. 局部组装补充
# 提取覆盖度异常或拆分比对密集区域
samtools view aln.bam "chr1:1000000-1100000" | \
  flye --pacbio-raw - --out-dir local_asm --threads 8

# 3. 信号验证（示例）
# 对重复扩张候选区域提取信号，比较期望与实际偏差
# 若偏差显著且组装支持，则保留该SV

这段流程的关键判断点在于：比对候选是否被组装支持、组装 contig 是否与参考形成明确断点、信号偏差是否与候选类型一致。三者一致时可信度最高；只有比对支持而组装和信号均无支持时，应标记为低置信候选，避免直接进入下游注释。

总结来看，三类策略不是互相替代，而是分别回答“变异在哪里”“变异带来了什么新序列”“信号层面是否支持”三个问题。工程上应根据参考完整性、变异类型预期和计算资源，确定主策略与辅助策略的组合，而不是默认只跑一种工具。