更新更全的覆盖
在设计层面,WES 4.0(遗传版)精选主流数据库最新版本中的核心外显子编码区,实现靶标设计覆盖度接近 99.5%。除 CNV 骨架外,总体靶标区域为 41.05 Mb,探针覆盖区域 45.58 Mb,设计效率比高达 1.11,在覆盖全面的同时兼顾检测经济性。
表1.WES4.0-遗传版数据库及内容覆盖信息

卓越的性能表现
迪赢生物依托自主高通量合成平台可以实现反复大量合成多个探针版本的优化迭代,通过AI 设计实现on target和覆盖度的最大化,通过无极化 boosting 策略及无差别探针放大工艺实现了极高的均一性,通过独特的双链多级探针生物素标记技术实现了远超柱式合成探针的末端标记生物素技术的标记效率,确保微量样本和疑难捕获变异的测序深度。
1)GC bias 控制方面达到行业领先水平
极低的GC bias和极高的均一性为基于 WES 的 CNV 检测提供了坚实底层保障,有望实现无需额外基线构建的一站式 CNV 分析流程,让遗传检测结果更稳定、更可信。

GC bias分析图,结果显示GC bias显著优于市面国内外主流竞品!
(1)[18%-86%] GC区间深度大于0.5x mean depth;(2) [28%-82%] GC区间深度介于[0.9-1.1x] mean depth;(3) [35%-65%] GC区间深度≈1x mean depth;
2)高覆盖度下也能实现更高的中靶率
覆盖度>99.5%,捕获率接近90%,0.2x均一性>99%,0.5x均一性接近93%,且单杂多杂(12杂)性能基本一致。

基本性能指标图
3)精准的差异化区域深度
根据区域特征和检测难易程度,实现差异化深度,最大化数据利用率。单杂8Gb/样本,12杂4Gb/样本,核心外显子部分有效深度可达11.5x/Gb(数据统计已包含CNV及线粒体等可选模块)。

差异化深度统计图
4)极致的均一性
核心外显子Uniformity(0.5x)达到了95.49%,Fold-80低至1.21。单杂多杂条件下整体Fold-80均在1.3-1.4之间。

Fold 80统计图
5)优异的位点检出能力
采用NA12878标准品文库进行捕获测序,进行F1 Score分析统计,SNP > 99%,indel > 93.5%。

F1 score统计图
更全面的靶标检测内容
根据最新专家共识、指南文件和文献报道,迪赢WES4.0遗传版精选40+高频复杂变异(CNV、大片段插入缺失等)基因进行了全转录区探针覆盖,旨在提高复杂变异和罕见疾病的检出率。

BRCA、DMD和SMAD3基因竞品对比覆盖图
覆盖线粒体全长基因组,实测全长覆盖度达到100%,去重后0.5x均一性达到100%。

此外还涵盖祖源分析、药物代谢检测(CYP2C19、CYP2D6 和TPMT等)和样本追踪等单核苷酸多态位点,满足多样化分析需求。
更强的疑难区域检测能力
对TERT promoter的测序覆盖度达到250x以上,超过了整个panel的平均测序深度,且覆盖高度均一。

STR等高度重复区域也能实现更优的捕获性能。
以MONO-27和NR-21为例,在repeat区(分别是27个T碱基重复、21个A碱基重复),迪赢产品覆盖效果显著优于同类竞品。

STR位点覆盖效果竞品对比图
在传统疑难捕获的高GC区域也能实现更好的捕获。例如GCGR整个基因区,MMP17的exon1区域等异常高GC区域,迪赢产品覆盖效果显著优于竞品。

GC-rich区域位点覆盖效果竞品对比图
一站式CNV检测
基于极高的均一性和极低的GC bias,WES 4.0为基于WES的CNV检测提供了可靠底层保障,有望实现无需额外基线构建的一次性检测流程,让CNV分析更加高效、稳定。
超高均一性的底层保障

核心外显子均一性和fold-80参数图
高密度CNV骨架探针构建CNV检测护城河!
在全基因组范围内,精选拷贝数稳定的杂合SNP位点,这些位点在多人群中具有较高的等位基因频率(MAF),并使用Hardy-Weinberg平衡检验过滤掉与参照群体表现显著偏离的位点,同时避免位点落在着丝粒、端粒、高同源性片段(如假基因)以及高度多态性区域(如HLA区域)。最终筛选6.8万+ SNP位点,靶向覆盖约8.25Mb区域,通过在基因间区和内含子区进行均匀分布,检测分辨率最高可达25kb。

骨架探针在全基因组覆盖图
采用NA12878标准品,用该panel完成杂交捕获测序分析,统计SNP位点在各染色体上深度分布(不含chrY),可以看出深度中位值非常平衡,可充分保证backbone区域作为内参的稳定性。

SNP骨架探针染色体覆盖深度统计
使用CNVkit(version 0.9.12)对捕获数据进行分析,以7号染色体为例显示拷贝数变化趋势,结果显示基于CNV骨架探针进行CNV分析高度可行。

7号染色体CNV分析结果