全外显子测序（WES）介绍及核心生信分析图解读

一、全外显子测序核心基础

1. 技术原理与核心特点

（1）核心原理

1. 样本制备：提取基因组 DNA（血液、组织、细胞等样本）；
2. 外显子捕获：使用商业化捕获探针（如 Agilent SureSelect、Illumina Nextera）特异性结合外显子区域 DNA 片段；
3. 文库构建：洗脱捕获的外显子片段，构建测序文库（连接接头和 barcode）；
4. 高通量测序：Illumina NovaSeq/HiSeq 平台测序（通常为双端 150bp），获得高深度测序数据（目标区域平均深度≥100×，确保变异检出准确性）；
5. 生信分析：从原始数据过滤、比对、变异检测到注释、筛选、验证的全流程解析。

（2）核心优势与适用场景

• 优势：聚焦编码区（变异致病性强）、测序深度高（变异检出灵敏度高）、成本低（相比 WGS 更适合大规模样本）；
• 适用场景：
  • 遗传病：孟德尔遗传病（常染色体显性 / 隐性、性染色体连锁）的致病基因定位；
  • 肿瘤：肿瘤组织 vs 正常组织的体细胞变异（驱动突变、拷贝数变异）筛选；
  • 复杂疾病：复杂表型（如罕见病、慢性病）的易感基因关联分析。

2. 核心分析目标

• 变异检测：识别外显子区域的遗传变异（单核苷酸变异 SNV、小插入缺失 InDel、拷贝数变异 CNV、基因融合等）；
• 变异注释：标注变异的位置（基因、外显子、密码子）、类型（同义突变、错义突变、无义突变等）、致病性预测（如 PolyPhen-2、SIFT 评分）；
• 变异筛选：结合临床表型、家系信息（遗传病）或肿瘤特征（肿瘤研究），筛选潜在致病 / 驱动变异；
• 功能解读：分析变异对蛋白质结构、功能的影响，以及相关基因的通路富集，揭示变异的生物学意义。

二、全外显子测序核心生信分析图（按分析逻辑分类）

（一）数据质控与捕获效率分析图（验证数据可靠性）

1. 测序数据质量分布图（FastQC/Trimmomatic 图）
   • 核心用途：验证原始测序数据的碱基质量、接头污染、GC 含量。
   • 解读要点：
     • 碱基质量值：所有位置 Phred 质量值≥20（合格），≥30（优质），末端碱基质量无急剧下降（避免低质量碱基导致比对错误）；
     • 接头污染：Adapter 含量≤1%（超标需用 Cutadapt 去除）；
     • GC 含量：无异常双峰（若出现双峰，提示探针捕获偏倚或样本污染）。
   • 示例：Illumina 测序数据，150bp 读长质量值均≥30，接头污染率 0.3%，GC 含量分布正常（约 40%-45%），数据合格。
2. 测序覆盖度分析图（Coverage Analysis）
   • 核心用途：评估外显子区域的测序覆盖均匀性和深度，是变异检出的关键指标。
   • 常用图表：
     • 覆盖深度分布直方图：横轴为外显子区域的测序深度，纵轴为覆盖该深度的碱基比例；合格标准：≥80% 的目标区域深度≥20×，≥90% 的目标区域深度≥10×（深度过低会导致变异漏检）；
     • 平均覆盖深度箱线图：按样本展示外显子区域平均测序深度（通常≥100×），同一批样本深度差异应≤30%（避免批次偏倚）；
     • 覆盖均一性热图：展示不同样本在染色体水平的覆盖深度分布，无明显缺失或异常高覆盖区域（排除捕获失败或重复序列污染）。
   • 示例：目标区域平均深度 128×，92% 的区域深度≥20×，覆盖均一性良好，满足变异检测要求。
3. 外显子捕获效率图
   • 核心用途：验证探针对目标外显子区域的捕获特异性。
   • 常用图表：
     • 捕获区域分布饼图：展示 “目标外显子区域 reads 占比”“非目标区域（内含子、基因间区）reads 占比”“未比对 reads 占比”；合格标准：目标区域 reads 占比≥80%（捕获特异性高）；
     • 染色体捕获覆盖图：横轴为染色体编号，纵轴为目标区域覆盖比例，所有染色体的目标区域覆盖比例≥95%（避免特定染色体外显子捕获失败）。
   • 示例：目标外显子区域 reads 占比 86%，所有染色体外显子覆盖比例≥97%，捕获效率优秀。

（二）变异检测与分布分析图（解析 “变异在哪里”）

1. 变异类型统计柱状图 / 饼图
   • 核心用途：统计检测到的变异类型及数量（SNV、InDel、CNV 等）。
   • 解读要点：
     • 按变异类型分类：SNV（单核苷酸变异，如 A→G）、InDel（小插入缺失，长度≤50bp）、CNV（拷贝数变异，如基因扩增、缺失）；
     • 按变异影响分类（针对 SNV/InDel）：同义突变（不改变氨基酸）、错义突变（改变氨基酸）、无义突变（提前终止密码子）、移码突变（导致阅读框改变）、剪接位点突变（影响 RNA 剪接）；
     • 典型特征：遗传病样本中，致病性变异多为错义突变、无义突变、移码突变；肿瘤样本中，体细胞变异以 SNV 和小 InDel 为主，部分存在 CNV 扩增 / 缺失。
   • 示例：某遗传病家系样本共检测到 1246 个 SNV，其中错义突变 328 个、无义突变 16 个、移码突变 23 个，为后续致病性筛选聚焦重点。
2. 变异在基因组 / 基因上的分布热图 / 点阵图
   • 核心用途：展示变异在染色体、基因或外显子上的分布规律。
   • 解读要点：
     • 染色体分布点阵图：横轴为染色体编号及长度，纵轴为变异密度（每 1Mb 变异数），每个点代表一个变异；重点关注 “变异富集区域”（如肿瘤样本中某染色体片段变异密度显著升高，可能为驱动突变区域）；
     • 基因水平热图：横轴为样本，纵轴为候选基因，颜色代表基因内变异数量 / 类型（如红色 = 错义突变，蓝色 = 无义突变）；快速定位 “高频变异基因”（如肿瘤样本中 TP53、EGFR 基因变异频率高，可能为驱动基因）。
   • 示例：肿瘤样本中，7 号染色体短臂（EGFR 基因所在区域）变异密度显著升高，EGFR 基因在 60% 的样本中存在错义突变，提示其可能为核心驱动基因。
3. InDel 长度分布直方图
   • 核心用途：验证小插入缺失的长度分布合理性（避免假阳性变异）。
   • 解读要点：
     • 横轴为 InDel 长度（bp，插入为正，缺失为负），纵轴为 InDel 数量；
     • 典型特征：InDel 长度以 1-3bp 为主（符合 DNA 复制错误或修复异常的特征），长片段 InDel（>10bp）数量极少（若过多，提示可能存在假阳性）；
     • 示例：90% 的 InDel 长度为 1-3bp，最长 InDel 为 8bp，分布符合预期，变异可靠性高。

（三）变异注释与致病性分析图（筛选 “潜在致病 / 驱动变异”）

1. 变异致病性预测结果图（气泡图 / 散点图）
   • 核心用途：整合多个致病性预测工具（PolyPhen-2、SIFT、CADD、REVEL 等），评估变异的致病性。
   • 解读要点：
     • 散点图（以 PolyPhen-2 vs SIFT 为例）：横轴为 PolyPhen-2 评分（0-1，越高致病性越强），纵轴为 SIFT 评分（0-1，越低致病性越强）；右上角（PolyPhen-2≥0.9，SIFT≤0.05）为高致病性变异；
     • 气泡图（整合多工具）：横轴为 CADD 评分（≥15 为有害，≥20 为高有害），纵轴为 REVEL 评分（≥0.5 为致病性），气泡大小代表变异在人群中的频率（gnomAD 数据库频率，越小越可能致病）；筛选标准：CADD≥20、REVEL≥0.5、gnomAD 频率≤0.001（1‰）的变异。
   • 示例：筛选出 3 个高致病性变异（均为错义突变），其中变异 c.1234G>A（基因 X）的 CADD=28.5、REVEL=0.72、人群频率 = 0.0003，为重点候选变异。
2. 变异在人群数据库中的频率分布图
   • 核心用途：排除常见多态性变异（人群中频率高，致病性低），聚焦稀有变异。
   • 常用图表：
     • 频率分布直方图：横轴为变异的人群频率（gnomAD、ExAC 数据库），纵轴为变异数量；遗传病研究中，候选变异的人群频率通常≤0.001（1‰），肿瘤体细胞变异频率无严格限制（但驱动突变频率可能较高）；
     • 曼哈顿图（人群关联分析）：横轴为染色体位置，纵轴为−log10 (P 值)，展示变异与表型的关联强度；显著关联的变异（P<5e-8）为候选易感变异。
   • 示例：某遗传病样本中，候选变异 c.567delT（基因 Y）的人群频率为 0.0001（1/10000），符合稀有变异特征，排除常见多态性。
3. 家系共分离分析图（遗传病特有）
   • 核心用途：验证候选变异是否与家系中的疾病表型共分离（患病个体均携带变异，正常个体不携带）。
   • 解读要点：
     • 家系图 + 变异携带状态：圆形 = 女性，方形 = 男性，黑色 = 患病，白色 = 正常；每个个体标注是否携带候选变异（+/- 表示杂合子，+/+ 表示纯合子，-/- 表示野生型）；
     • 共分离标准：所有患病个体均携带变异，正常个体（非携带者）不患病；若为常染色体显性遗传，患病个体多为杂合子；常染色体隐性遗传，患病个体多为纯合子或复合杂合子。
   • 示例：某常染色体隐性遗传病家系中，2 名患病子女均为变异 c.345A>T（基因 Z）的纯合子（-/-），父母均为杂合子（+/-），符合共分离规律，该变异为致病候选变异。
4. 肿瘤体细胞变异瀑布图（Oncoplot，肿瘤特有）
   • 核心用途：展示多个肿瘤样本中高频驱动基因的体细胞变异分布（SNV、InDel、CNV）。
   • 解读要点：
     • 横轴为肿瘤样本（按突变负荷排序），纵轴为候选驱动基因（按变异频率排序）；
     • 颜色编码：不同颜色代表不同变异类型（如红色 = 错义突变，蓝色 = 无义突变，绿色 = 扩增，灰色 = 缺失）；
     • 右侧条形图：展示每个基因的变异频率（越高越可能为驱动基因）；
     • 顶部条形图：展示每个样本的总变异负荷（TMB，肿瘤突变负荷）；
     • 示例：TP53（变异频率 45%）、EGFR（38%）、KRAS（32%）为 TOP3 驱动基因，其中 TP53 以错义突变为主，EGFR 存在扩增和错义突变，提示这些基因为肿瘤发生发展的核心。

（四）变异功能解读分析图（解析 “变异的生物学意义”）

1. 基因结构与变异位置示意图
   • 核心用途：展示候选变异在基因结构中的具体位置（外显子、内含子、剪接位点），以及对蛋白质结构的影响。
   • 解读要点：
     • 基因结构：矩形代表外显子（编码区），线条代表内含子，箭头代表转录方向；
     • 变异标注：在对应外显子 / 位点标注变异（如 c.1234G>A，p.Arg412His），并标注变异类型（错义突变、无义突变等）；
     • 蛋白质结构：结合蛋白质结构域（如激酶结构域、结合结构域），标注变异是否位于功能结构域内（位于功能结构域内的变异更可能影响蛋白质功能）。
   • 示例：变异 c.789T>C（基因 X）位于其蛋白质的 ATP 结合结构域内，导致氨基酸替换（p.Phe263Leu），可能影响蛋白质的 ATP 结合能力，进而影响功能。
2. 蛋白质结构预测图（PyMOL/AlphaFold 可视化）
   • 核心用途：直观展示变异对蛋白质三维结构的影响（如空间构象改变、结合位点破坏）。
   • 解读要点：
     • 野生型 vs 突变型蛋白质结构对比：红色标注变异位点，展示变异前后氨基酸侧链的空间位置变化；
     • 关键判断：变异是否导致蛋白质结构域折叠异常、活性中心破坏、配体结合位点改变（如酶活性中心的变异可能导致酶功能丧失）。
   • 示例：错义突变 p.Arg325Cys 导致蛋白质活性中心的氢键网络破坏，空间构象发生显著变化，推测该变异导致蛋白质功能失活。
3. 候选基因 GO/KEGG 通路富集分析图（气泡图 / 柱状图）
   • 核心用途：分析关键变异所在基因的功能富集，揭示其参与的生物学通路。
   • 解读要点：
     • 气泡图：横轴为富集倍数，纵轴为 GO 术语 / KEGG 通路名称，气泡大小 = 基因数量，颜色 = Padj 值（越红越显著）；
     • 遗传病研究：候选基因富集在与疾病表型相关的通路（如神经退行性疾病候选基因富集在 “神经突触传递” 通路）；
     • 肿瘤研究：驱动基因富集在 “细胞周期调控”“DNA 损伤修复”“信号转导” 等通路（如 EGFR、KRAS 富集在 “MAPK 信号通路”）。
   • 示例：某罕见病候选基因显著富集在 “胆固醇代谢通路”（Padj=0.002），与患者 “高胆固醇血症” 表型一致，提示该通路异常为疾病致病机制。
4. 拷贝数变异（CNV）分析图（肿瘤 / 遗传病特有）
   • 核心用途：检测外显子区域的基因拷贝数变化（扩增 / 缺失），评估其对基因表达的影响。
   • 常用图表：
     • 染色体水平 CNV 分布图：横轴为染色体位置，纵轴为拷贝数比值（肿瘤 / 正常或病例 / 对照）；比值 > 2 为扩增，<0.5 为缺失；
     • 基因水平 CNV 热图：横轴为样本，纵轴为基因，颜色代表拷贝数（红色 = 扩增，蓝色 = 缺失）；
     • 示例：肿瘤样本中 EGFR 基因拷贝数比值 = 3.8（扩增），MYC 基因拷贝数比值 = 4.2（扩增），提示这些基因可能通过拷贝数扩增驱动肿瘤增殖。

（五）变异验证与关联分析图（验证变异可靠性）

1. Sanger 测序验证图（Chromatogram）
   • 核心用途：金标准验证 WES 检测到的候选变异（排除假阳性）。
   • 解读要点：
     • 测序峰图：横轴为碱基位置，纵轴为峰高（信号强度）；野生型样本为单一峰（如 A 峰），杂合子变异样本为双峰（如 A/G 峰），纯合子变异样本为单一峰（如 G 峰）；
     • 验证标准：Sanger 测序结果与 WES 检测结果完全一致，变异位点峰型清晰无杂峰。
   • 示例：Sanger 测序验证变异 c.1234G>A，患者样本为杂合子（G/A 双峰），正常对照为野生型（G 单峰），验证该变异真实存在。
2. 变异与临床特征关联散点图（肿瘤 / 复杂疾病）
   • 核心用途：分析候选变异与临床特征（如肿瘤分期、预后、药物响应）的关联。
   • 解读要点：
     • 横轴为临床特征（如肿瘤患者生存期），纵轴为变异状态（有 / 无变异）；
     • 关键判断：携带变异的患者是否与无变异患者存在显著临床差异（如携带 EGFR 突变的肺癌患者对靶向药物响应率更高，生存期更长）。
   • 示例：携带 KRAS 突变的结直肠癌患者，无病生存期（DFS）显著短于无 KRAS 突变患者（P=0.02），提示 KRAS 突变为不良预后标志物。

三、核心总结

1. 技术核心：WES 聚焦外显子编码区，以 “高深度、高特异性” 高效检测致病性变异，是遗传病和肿瘤研究的核心技术；
2. 必做核心图：测序覆盖度分析图、变异类型统计饼图、变异致病性预测散点图、基因结构与变异位置图、Sanger 验证峰图；
3. 特有优势图：家系共分离分析图（遗传病）、肿瘤体细胞变异瀑布图（肿瘤）、蛋白质结构预测图、CNV 分布图；
4. 分析逻辑：从 “数据质控→变异检测→注释筛选→功能解读→验证关联” 逐步深入，核心是 “变异的真实性验证” 和 “与表型的关联性解读”；
5. 工具推荐：数据比对（BWA、Bowtie2）、变异检测（GATK、Mutect2（肿瘤）、VarScan2）、注释（Annovar、VEP）、可视化（IGV、R ggplot2、Oncoplotter、PyMOL）。