软件仓库： Expansion Hunter: a tool for estimating repeat sizes
参考文献： ExpansionHunter: A sequence-graph based tool to analyze variation in short tandem repeat regions
人类基因组中有许多区域由重复的 短单元序列（通常是三聚体）。这样的重复区域可以扩展为尺寸远大于读取长度，从而导致疾病。 脆性 X 综合征 ， ALS ，以及 亨廷顿舞蹈症 都是众所周知的例子。
部署安装
参考原文档
算法原理
软件开发环境基于 PCR-free WGS 数据，如果处理经过PCR的数据，需要进行评估性能。
结果格式说明
Expansion Hunter 生成的 JSON 文件包含样本参数信息（SampleParameters 字段）以及按位点汇总的分析结果信息（ LocusResults 字段）。原文参考结果格式说明]。
示例如下：1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44"ATXN2": {
//该基因座的预期等位基因数量
"AlleleCount": 2,
// 估计基因位点的读取覆盖深度
"Coverage": 76.47368421052632,
// 基因位点id
"LocusId": "ATXN2",
// reads长度
"ReadLength": 100,
// 基因型和描述在基因座分析的每个变异的其他信息
"Variants": {
"ATXN2": {
// CountsOfSpanningReads 已识别的**跨越读取**的摘要，以包含条目 (n, m) 数组形式给出，其中 n 是侧翼读取跨越的重复单元数， m 是此类读取的数量
"CountsOfSpanningReads": "(20, 1), (21, 3), (22, 10)",
//CountsOfFlankingReads An analog of CountsOfSpanningReads for in-repeat reads
"CountsOfFlankingReads": "(0, 3), (1, 12), (2, 3), (3, 8), (4, 5), (5, 10), (6, 8), (7, 8), (8, 9), (9, 5), (10, 6), (11, 11), (13, 8), (14, 7), (15, 8), (16, 6), (17, 4), (18, 3), (19, 9), (20, 5), (21, 10), (22, 1)",
// CountsOfInrepeatReads An analog of CountsOfSpanningReads for spanning reads
"CountsOfInrepeatReads": "(33, 1)",
//Genotype Repeat genotype given by the size of each repeat allele
"Genotype": "22/35",
//GenotypeConfidenceInterval Size confidence interval for each repeat allele
"GenotypeConfidenceInterval": "22-22/34-36",
//ReferenceRegion 0-based half-open reference coordinates of the repeat region (chrom:start-end)
"ReferenceRegion": "chr12:112036755-112036823",
//RepeatUnit Repeat unit in the reference orientation
"RepeatUnit": "CTG",
//VariantId Unique variant identifier
"VariantId": "ATXN2",
//VariantType Always set to "Repeat"
"VariantType": "Repeat",
//VariantSubtype Either "Repeat" or "RareRepeat"
"VariantSubtype": "Repeat",
}
}
},
配套工具
全基因组 STR 目录 含有与已知致病基因具有相似特性的多态性重复序列， 功能性 STR
REViewer, a tool for visualizing alignments of reads in regions containing tandem repeats
REViewer ，一种用于可视化包含串联重复的区域中的读取比对的工具
其他验证检测方法
| 方法 | 荧光PCR-毛细管电泳法 (CE) | 一代测序法 (Sanger) | 二代测序法 (NGS / MPS) |
|---|---|---|---|
| 技术原理 | 基于片段长度分离DNA，通过荧光信号检测 | 基于双脱氧链终止法，直接读取DNA碱基序列 | 基于大规模并行测序，直接读取海量DNA碱基序列 |
| 核心信息 | 长度多态性 (Repeat Unit Number) | 序列多态性 (Base Sequence) | 序列多态性 (Base Sequence + 长度) |
| 分辨率 | 高 (可区分1-4 bp的差异) | 极高 (黄金标准，可识别单个碱基差异) | 超高 (可同时检测长度和序列变异) |
| 优势 | 1. 技术成熟稳定，全球标准; 2. 自动化程度高，通量大 ;3. 成本相对较低;4. 流程标准化，数据库完善;5. 数据分析简单快捷 | 1. 准确性最高，是验证其他方法的“金标准”;2. 序列结果明确，无歧义;3. 可检测侧翼区SNP; | 1. 信息量最丰富：能发现“等位基因丢失”;2. 高通量：可同时检测数百个基因座(STR+SNP);3. 卓越的混合样本分析能力;4. 更适合降解DNA (测序读长短) |
| 劣势 | 1. 无法区分序列变异 (等位基因丢失);2. 对高度降解DNA的分析能力有限;3. 复杂混合样本解析困难 | 1. 通量极低，一次反应只能测一个片段;2. 成本高昂 (按片段收费);3. 操作繁琐，耗时漫长;4. 完全不适用于常规STR分型筛查 | 1. 初始设备和试剂成本;2. 数据分析复杂，需生物信息学支持;3. 标准化仍在进行中;4. 数据存储和管理挑战大 |
| 检测通量 | 高 (一次运行可检测16-24个STR基因座) | 极低 (一次运行只能检测一个片段的序列) | 超高 (一次运行可检测数百个样本的数百个基因座) |
| 成本效益 | 高 (适合大规模常规检测) | 低 (仅适合疑难样本的靶向验证) | 初期投入高，但单位数据成本低 (适合大批量样本的多基因座检测) |
| 主要应用场景 | 法医DNA数据库建设、亲子鉴定、个体识别 (绝对主流) | CE结果的验证、疑难等位基因的序列确认、新STR基因座的发现与验证 | 疑难案件检验 (降解检材、复杂混合样本)、祖先推断/表型预测 (同步测SNP)、研究领域、未来数据库扩展 |