왜 SNP 콜러가 SV를 놓치나요

HaplotypeCaller가 잡는 인델은 대략 40bp 이하입니다. 그 이상 크기의 변이(50bp~ 수 Mbp)는 별도 도구가 필요합니다. 이 대형 변이가 구조변이(Structural Variant, SV)입니다.

SV의 다섯 유형.

• DEL (Deletion): 참조에 있는 구간이 개체에서 사라짐.
• DUP (Duplication): 참조 구간이 개체에서 반복.
• INV (Inversion): 구간이 뒤집힘.
• TRA (Translocation): 다른 염색체 사이 재배열.
• INS (Insertion): 참조에 없는 서열이 삽입됨.

암 유전체, 유전 질환, 진화 연구에서 SV가 종종 결정적인 신호입니다. 그런데 HaplotypeCaller의 로컬 어셈블리는 창이 수백 bp라 대형 SV를 통째로 잡을 수 없습니다. SV 전용 도구가 필요한 이유죠.

세 시그니처 — SV를 어떻게 알아채나요

SV 도구가 사용하는 세 종류의 증거.

1. Discordant Read Pair

Paired-end 리드는 R1과 R2 사이 거리가 라이브러리 인서트 크기에 따라 결정됩니다(예: 300～500bp). 이 거리가 크게 벗어나면 사이에 SV가 있다는 신호입니다.

• 예상 인서트 400bp인데 R1-R2 거리가 3000bp → 사이에 2600bp DEL 가능성.
• R1은 chr1에 붙고 R2는 chr7에 붙으면 → 두 염색체 사이 TRA 가능성.

2. Split Read

한 리드가 SV 경계를 가로지르면, 앞부분은 A 위치에 붙고 뒷부분은 B 위치에 붙는 split alignment가 나옵니다 (BWA의 supplementary alignment).

• 리드 앞 80bp가 chr7:100에 붙고 뒷 70bp가 chr7:3000에 붙음 → 사이에 DEL.
• 앞부분이 chr1에, 뒷부분이 chr7에 → 두 염색체 사이 breakpoint.

3. Read Depth

큰 DEL이 있으면 그 구간의 커버리지가 반으로 (heterozygous) 또는 0으로 (homozygous) 떨어집니다. 큰 DUP이면 커버리지가 1.5×나 2×로 뛰어오릅니다.

• 예상 30× WGS에서 특정 100kbp 구간이 15× → hetero DEL 후보.
• 특정 50kbp 구간이 60× → hetero DUP 후보.

SV 도구들은 이 세 시그니처를 다양한 조합으로 활용합니다.

Manta — 그래프 어셈블리 + 페어드-엔드

Illumina 개발자들이 만든 도구. 짧은리드 시대 SV의 사실상 표준.

원리

1. 페어드-엔드 discordant + split read를 스캔.
2. 이 증거들을 클러스터링해 SV 후보 breakpoint 그래프 생성.
3. 각 후보 지점에서 로컬 어셈블리 → 정확한 breakpoint 서열 확정.
4. 신뢰도 점수 부여.

실행 명령

configManta.py \
    --normalBam normal.bam \
    --tumorBam tumor.bam \
    --referenceFasta hg38.fa \
    --runDir manta_run

manta_run/runWorkflow.py -m local -j 16

Strelka2와 같은 Configure + runWorkflow 스타일.

강점

• 짧은리드 SV 전방위: DEL·DUP·INV·TRA 다 지원.
• 속도: 대부분 WGS 샘플이 몇 시간.
• 표준 파이프라인: nf-core/sarek 등 대부분 포함.

약점

• 대형 DUP · CNV: read depth 시그니처 활용이 제한적. CNVkit 등 별도 도구 병용.
• 롱리드는 미지원: PacBio HiFi에는 Sniffles·pbsv를 씀.

Delly — 페어드-엔드 시그니처 특화

Tobias Rausch가 EMBL에서 개발한 도구. Manta와 유사하나 SV 유형별로 별도 최적화.

원리

• SV 유형별 페어드-엔드 signature를 미리 정의.
• 각 signature에 맞는 read pair 클러스터를 스캔.
• 클러스터마다 split read로 breakpoint 서열 확정.

실행 명령

# SV 유형 별로 각각 실행
delly call -t DEL -o S1.del.bcf -g hg38.fa S1.bam
delly call -t DUP -o S1.dup.bcf -g hg38.fa S1.bam
delly call -t INV -o S1.inv.bcf -g hg38.fa S1.bam
delly call -t TRA -o S1.tra.bcf -g hg38.fa S1.bam

# 통합
bcftools concat S1.del.bcf S1.dup.bcf S1.inv.bcf S1.tra.bcf -Ob -o S1.sv.bcf

강점

• SV 유형별 튜닝: 각 signature 특화.
• 소메틱 지원 강함: 종양-정상 쌍 SV 콜링에 잘 맞음.
• 작은 SV(50～500bp)에도 강함.

약점

• 복잡변이 처리 제한: 여러 SV가 중첩된 복잡 영역에서 감도 제한.

GRIDSS — Assembly-first 접근

Papenfuss lab이 2017년 발표한 도구. Assembly-first 접근으로 breakpoint 서열을 정확히 잡습니다.

원리

1. 관심 영역 리드로 로컬 어셈블리.
2. 어셈블리 서열이 참조와 다르게 붙는 지점을 breakpoint로 확정.
3. 이 지점의 discordant/split 증거로 검증.

즉 어셈블리를 먼저 하고 나서 read 시그니처로 검증하는 순서.

실행 명령

gridss \
    --reference hg38.fa \
    --output S1.sv.vcf.gz \
    --assembly S1.assembly.bam \
    --workingdir gridss_work \
    -t 16 \
    S1.bam

강점

• 가장 정확한 breakpoint: 어셈블리 기반이라 nucleotide-level 정확.
• 복잡변이 처리: 여러 SV가 얽힌 지역도 잘 풀어냄.
• 암 유전체 SV: 융합 유전자 · 복잡 재배열 감지에 우수.

약점

• 계산 무거움: Manta/Delly보다 2～5배 느림.
• 결과 필터링 복잡: 원 VCF가 raw라 사후 필터 파이프라인이 필수.

세 도구 실무 매트릭스

SV VCF의 특수 필드

SV VCF는 SNP VCF와 다르게 두 좌표(시작·종료)를 표현해야 합니다.

• SVTYPE=DEL: SV 유형.
• END=100500: 끝 좌표.
• SVLEN=-500: SV 길이 (DEL은 음수).
• CIPOS=-10,10: breakpoint 위치 불확실성.
• IMPRECISE: 정확한 breakpoint 미확정.

IGV에서 이 필드를 이용해 SV를 시각화할 수 있습니다.

손 계산 — Discordant Read로 DEL 감지

라이브러리 인서트가 400bp ± 50bp (평균 400, SD 50). 정상 R1-R2 거리는 대략 300～500bp.

특정 위치에서 R1-R2 거리가 2500bp인 리드 10개가 몰림.

• 2500 - 400 = 2100bp가 예상 대비 초과 → 사이에 약 2100bp DEL 후보.
• 리드 10개가 같은 signature를 보이면 우연 확률 극히 낮음.
• DEL 콜.

SV 도구가 이 클러스터링을 자동으로 수행합니다.

SV 벤치마크 — dbVar와 GIAB SV

SV 벤치마크의 표준.

• GIAB HG002 SV Truth Set: 인간 SV 참 세트. VCF 형식.
• Truvari: SV VCF 비교 도구 (hap.py의 SV 버전).

truvari bench -b truth.sv.vcf.gz -c manta.sv.vcf.gz -o truvari_out --pctsim 0.5

결과에 SNP 벤치마크와 유사하게 Precision · Recall · F1이 나옵니다.

Colab에서 소형 실습

Manta는 인간 전체 게놈이 무거우니 chr22만 대상으로 시연 가능.

!apt-get install -y python2 wget >/dev/null
!wget -q https://github.com/Illumina/manta/releases/download/v1.6.0/manta-1.6.0.centos6_x86_64.tar.bz2
!tar xjf manta-1.6.0.centos6_x86_64.tar.bz2

!./manta-1.6.0.centos6_x86_64/bin/configManta.py \
    --bam chr22_sample.bam \
    --referenceFasta hg38_chr22.fa \
    --runDir manta_out

!manta_out/runWorkflow.py -m local -j 2

결과 VCF에서 chr22에서 발견된 SV를 볼 수 있습니다. 대부분 소형 인델과 몇 개 SV.

CS 매핑

• 그래프 어셈블리: Manta의 breakpoint 그래프 → 노드=위치, 엣지=페어드-엔드.
• Assembly-first vs Signature-first: GRIDSS(어셈블리 우선) vs Manta·Delly(시그니처 우선).
• 다중 증거 통합: DryBench "그래프 기반 검출" 편(graph-based-detection) 참고.

마무리

SV는 인간 유전체의 놓쳐서는 안 되는 신호입니다. 특히 암 유전체와 발달 장애에서 결정적. Manta·Delly·GRIDSS 삼각 구도를 감으로 잡으면 프로젝트 진입이 빨라집니다. 다음 편(S15)에서는 SV의 특수 하위 유형인 CNV(복제수 이상)를 전용 도구로 다루는 방법을 봅니다.

더 깊게 파고 싶다면

• Chen X. et al. (2016), Manta: rapid detection of structural variants and indels for germline and cancer sequencing applications. Bioinformatics 32:1220. Manta 원 논문.
• Rausch T. et al. (2012), DELLY: structural variant discovery by integrated paired-end and split-read analysis. Bioinformatics 28:i333. Delly 원 논문.
• Cameron D.L. et al. (2017), GRIDSS: sensitive and specific genomic rearrangement detection using positional de Bruijn graph assembly. Genome Research 27:2050. GRIDSS 원 논문.
• Zook J.M. et al. (2020), A robust benchmark for detection of germline large deletions and insertions. Nature Biotechnology 38:1347. GIAB SV 벤치마크.
• SV-plaudit (https://github.com/jbelyeu/SV-plaudit): SV IGV 시각화 도구.

Manta 한 번 돌려보고 IGV로 시각화해보면 SV 감이 옵니다. 다음 편에서 CNV로 갑시다.