基因组组装、变异与比较分析¶

基因组分析的起点通常是一组由样本、建库和测序过程产生的读段。研究者既可以从读段之间的重叠关系重建样本基因组，也可以把读段放到已有参考坐标上，寻找样本与参考之间的差异；若同时研究多个个体或物种，还可以进一步比较单倍型、染色体区段和基因家族的演化。三类任务共享许多数据结构，却回答不同问题，因而需要由研究对象和证据尺度界定分析设计。

组装、变异检测和比较分析也构成了一条连续的证据链。组装决定哪些序列成为可比的对象，参考表示影响读段能够落到哪里，变异算法把有限且有误差的读段概括为基因型似然，而注释与比较分析才把坐标差异连接到基因、调控元件和演化事件。任何环节的不确定性都可能沿这条链传递到生物学结论中。

分析对象与设计边界¶

开始分析前，应先说明样本中预期存在几个基因组、每个基因组有几套同源染色体，以及最终希望得到哪一种序列表示。单倍体微生物、近交系、杂合二倍体、异源多倍体、肿瘤组织和宏基因组混合群落，即使测序数据量相同，也对应完全不同的图结构与等位基因模型。组织来源、性染色体组成、细胞系传代、污染和嵌合性同样会改变有效倍性。

常见的基因组表示至少包括三层。个体基因组描述某个样本实际携带的序列；线性参考基因组提供一套稳定坐标，常由一个或少数个体的序列经过人工整理形成；泛基因组则容纳群体中多个单倍型或基因集合。参考基因组用于统一报告坐标，代表的是特定序列集合，物种内其他个体还可能携带参考之外的序列。个体的两条同源染色体若被压缩为一条嵌合共识序列，所得结果也区别于分相的二倍体组装。

实验设计应从目标倒推数据。高准确度短读段适于估计碱基、覆盖多数唯一序列和进行大样本基因分型，但短于重复单元时难以确定跨重复的路径；长读段能够跨越重复、复杂结构变异和多个杂合位点，却仍受读段准确度、长度分布和覆盖深度影响。高通量染色质构象捕获（high-throughput chromosome conformation capture，Hi-C）、光学图谱、遗传图谱和亲本数据提供跨越更长尺度的排序、定向或分相信息，与基因组读段互补。各种证据是否有用，取决于它们能否消除目标尺度上的歧义。

从遗传图和物理图到鸟枪组装¶

大基因组测序早期首先需要回答“克隆片段位于哪条染色体的什么位置”。遗传图以重组率为距离，能够把表型、分子标记与染色体区段联系起来；重组率随染色体区域、性别和物种而变化，与固定碱基距离之间没有统一换算比例。物理图则按脱氧核糖核酸（deoxyribonucleic acid，DNA）分子上的实际邻接关系排列标记或克隆，序列标签位点（sequence-tagged site，STS）、限制性酶切指纹和克隆末端序列都曾用于识别片段重叠。二者共同把染色体从遗传学对象连接为可操作的 DNA 克隆集合；遗传图的原理及定位克隆路径见连锁、交换与遗传作图。

细菌人工染色体（bacterial artificial chromosome，BAC）、P1 衍生人工染色体（P1-derived artificial chromosome，PAC）和酵母人工染色体（yeast artificial chromosome，YAC）等大插入克隆载体使几十至数百千碱基的基因组片段得以稳定保存。研究者根据共享标记或指纹将相互重叠的克隆排成叠连群，再从中选择最小重叠路径。染色体步移则从一个已知克隆的末端寻找相邻克隆，逐步跨过未知区域。这些方法建立克隆层面的邻接关系；克隆内部的逐碱基序列需要继续通过测序获得。

人类基因组计划采用的分层鸟枪策略把这种物理图用于控制复杂度：先把大基因组分装为有坐标的 BAC 克隆，再对各克隆分别进行鸟枪测序和组装，最后按物理图拼接。2001 年公布的人类基因组草图采用了基于图谱（map-based）、基于 BAC（BAC-based）或逐克隆（clone-by-clone）的路线。¹ 全基因组鸟枪测序则跳过逐个克隆的分层，直接将整个基因组随机打断并在计算中恢复长距离关系。前者用实验地图分隔问题，后者把更多歧义交给覆盖深度、配对距离与组装算法；两者都依赖读段间可识别的重叠以及跨越重复的连接证据。

“鸟枪”描述随机抽样和后续拼接的策略，可与不同测序化学结合。Sanger 克隆读段、短读段和现代长读段都曾用于鸟枪组装，但它们的长度、错误谱和建库结构不同。测序平台和读段质控见测序技术、读段与质量控制；读段进入组装或参考比对之后形成下述计算推断。

组装图中的序列路径¶

从头组装通常经过读段质控与纠错、建立片段关系、在图中选择路径、生成重叠群（contig）、连接支架序列（scaffold）和共识抛光等阶段。contig 是组装图中被算法输出为连续共识序列的一条路径；它不含显式间隙，却可能发生碱基错误、缺失、重复压缩或错误连接。scaffold 利用配对读段、长读段、Hi-C 或光学图谱等证据排列并定向 contig，未确定的间隔常以 N 表示。染色体级 scaffold 说明序列已经大体归属到染色体，每个连接和序列区段还需质量证据支持。

重叠—布局—共识（overlap-layout-consensus，OLC）方法先计算读段间可靠重叠，再把重叠关系布局为路径并求共识。字符串图（string graph）进一步压缩传递性重叠，保留会影响组装路径选择的分支，适合表示长读段重叠。² 短读段组装更常将读段拆成长度为 k 的子串，用 de Bruijn 图连接前后相差一个碱基的 k-mer；寻找序列路径因而转化为在图中遍历边的问题。³ 较大的 k 提高重复区分能力，却要求更深且更均匀的覆盖；较小的 k 能连接低覆盖区域，但会让更多重复合并到同一节点。

图中的分支有多种来源。测序错误产生低频短枝，杂合位点形成相似而并行的等位路径，重复序列使多个真实位置共享节点，污染或共生序列则引入另一套覆盖和组成特征。组装程序根据覆盖、重叠一致性、读段跨度和图拓扑削去尖端、拆开或合并气泡，但同一种图形可能对应完全不同的生物学原因。清理组装图时需要先区分测序错误与真实等位序列、近期复制或低丰度染色体。

现代长读段组装器常将高准确度长读段的重叠图与杂合变异联合建模。以 hifiasm 为例，杂合位点既形成图分支，也能作为区分亲本单倍型的线索；加入亲本短读段或其他分相信息后，可以从同一图中产生相互对应的单倍型组装。⁴ 组装与基因分型由此成为同一个图推断问题的两个观察角度。

重复、杂合、倍性与图的可解性¶

一个重复是否可解，关键在于读段或成对连接能否从重复内部延伸到两侧各自唯一的序列。若重复长度超过所有有效跨度，而且各拷贝几乎相同，局部图便缺少决定路径的证据。转座元件、串联重复、着丝粒卫星、核糖体 DNA（ribosomal DNA，rDNA）阵列和大片段重复分别具有不同的长度与一致性分布，需要分别报告组成与可跨越尺度。长读段提高跨越能力，高准确度又有助于利用拷贝间少量差异；二者共同决定可解的重复尺度。

杂合性会把二倍体基因组变成两条相似但并不相同的路径。杂合度较低时，组装器可能在不同区段交替选择两条同源染色体，形成相位切换的镶嵌共识；杂合度较高时，两个单倍型可能被分别输出，使组装总长膨胀并出现许多看似重复的基因。单倍型重叠群清除（haplotig purge）试图识别后一类冗余，但近期片段复制、性染色体同源区和多倍体亚基因组也可能具有相似的覆盖与序列一致性，删除前必须结合共线性、覆盖、k-mer 和分相证据。

多倍体同时增加序列总量和图中关系的复杂度。自源多倍体的多条同源染色体彼此高度相似，异源多倍体则同时包含同源染色体与来源不同的亚基因组；在等位比例、同源交换和基因转换存在时，需要超出简单二倍体气泡模型的表示。线粒体和叶绿体还可能以远高于核基因组的拷贝数出现，并带有核基因组中的细胞器插入片段。组装前后都需要依据覆盖、环状结构、基因组成和读段跨接关系区分真实细胞器基因组与核内拷贝。

单倍型分相与染色体级组装¶

分相要确定多个杂合位点位于同一条同源染色体上的组合。单条长读段可以连接其跨越范围内的位点，Hi-C 读段对提供更长距离但更稀疏且含有染色体构象噪声的连接，Strand-seq 利用模板链方向帮助识别整条染色体的相位和方向。若有双亲数据，子代等位基因可按亲本特异 k-mer 分箱，三联体设计往往能提供很长尺度的相位约束；其代价是需要额外样本，且新生变异或亲本未覆盖区域仍需单独处理。

染色体级组装通常先由长读段形成高连续 contig，再用 Hi-C、光学图谱、遗传图谱或参考共线性进行排序和定向。不同证据的独立性很重要：用近缘参考引导 scaffold 后，再用同一参考宣称结构完全正确，会形成循环验证。遗传图可发现与重组顺序冲突的大尺度错接，光学图谱可检验长限制性图样，Hi-C 接触图则常把错接显示为异常的跨区块信号。若目标是发现倒位或易位，参考引导本身还可能把真实的新结构强行拉回参考排列。

分相结果应报告相位块长度、未分相区域和相位切换错误（switch error），以描述两套基因组的相位连续性。switch error 表示相邻杂合位点之间的亲本归属发生错误翻转；一段很长的 scaffold 仍可能包含多次相位切换。双亲孟德尔传递、已知单倍型或高可信长读段可用于评估分相，但每种真值都只覆盖其适用区域。

组装质量的多维证据¶

组装质量至少包含连续性、碱基准确度、内容完整性、结构正确性和单倍型表示五个维度。任何单项指标都可能在错误组装上取得高分，因此评价应围绕研究问题组合证据。

N50 的计算是把序列从长到短排列，找到累计长度达到组装总长 50% 时的那条序列长度；L50 是达到该阈值所需的序列条数。由于阈值本身使用组装总长，遗漏大量序列或重复输出单倍型都会改变 N50 的参照。NG50 改用独立估计的基因组大小作为分母，更便于暴露明显欠组装或过度扩张，但基因组大小估计本身也有误差。

Merqury 利用原始高准确度读段中的 k-mer，在不依赖参考组装的情况下估计共识质量值（quality value，QV）、完整性和单倍型相位一致性。⁵ 通用单拷贝直系同源基因（Benchmarking Universal Single-Copy Orthologs，BUSCO）则检查特定谱系中预期保守的单拷贝直系同源基因，将结果分为完整单拷贝、完整重复、片段化和缺失。⁶ BUSCO 重复率升高可能源于真实基因复制、未清除的双单倍型或注释问题；很高的 BUSCO 完整度说明所选谱系基因集覆盖良好，着丝粒、端粒和大片段重复仍需其他指标评价。

报告中还应保留输入数据量、读长分布、覆盖估计、组装器与参数、过滤步骤、参考或数据库版本以及每次人工修订。少数着丝粒到端粒的完整染色体应与全组装统计一起报告；“染色体级”标签也需要明确未定位 scaffold 和序列间隙是否仍然存在。

参考坐标上的读段比对与预处理¶

重测序分析以一套明确版本的参考序列为坐标系。除主染色体外，参考包可能包含未定位片段、替代单倍型、decoy 序列和病毒或污染筛查序列；改变这些组成会改变多重比对读段的归属，因而参考名称相同但构建包不同的结果不一定可直接合并。线性坐标还应明确是 0-based 还是 1-based、区间端点是否闭合，变异文件与注释文件必须使用一致的染色体命名和组装版本。

短读段比对器通常通过索引找到候选种子，再扩展为带错配和缺口的局部比对；长读段和组装序列则需要容纳更长的插入、缺失与分段比对。Minimap2 以 minimizer 种子、共线链和动态规划构成通用框架，可处理长基因组读段、组装 contig 和全基因组序列。⁷ 比对质量（mapping quality）表示该读段定位错误的置信尺度，碱基质量（base quality）则描述测序仪对单个碱基判读的置信度。重复区中一个碱基可能测得很准，但整条读段仍无法唯一定位。

比对后的标记重复、碱基质量重校准和局部重组装都需要按实验与调用器决定。重复读段可能来自聚合酶链式反应（polymerase chain reaction，PCR）扩增，也可能是无扩增文库中真实独立分子恰好具有相同端点；唯一分子标识符（unique molecular identifier，UMI）能提供分子身份，而仅凭坐标去重会在高覆盖、小靶区或拷贝数异常区域丢失真实证据。碱基质量重校准用已知变异与技术协变量修正质量分数的系统偏差，输出仍是经过模型校准的读段证据。早期插入缺失（insertion and deletion，indel）流程常在候选区域进行局部重新比对，现代单倍型调用器则可在局部重新组装读段，避免把参考附近的等价缺口表示误当作许多独立错配。

覆盖深度应同时观察全局分布与可调用区域。GC 偏倚、捕获效率、重复可比对性和拷贝数都会使覆盖不均；平均 30× 不表示每个位点都有 30 条独立高质量读段。研究者需要预先定义最小深度、比对质量、碱基质量和等位平衡等可调用条件，并把未测得、测得但不确定、以及可信参考基因型区分开来。

小变异发现和多样本基因分型¶

小变异调用综合碱基质量、比对质量、读段方向、局部单倍型、等位平衡和测序错误模型，计算数据在不同基因型下出现的似然，再与倍性和先验信息结合得到基因型。基因组分析工具包（Genome Analysis Toolkit，GATK）的框架系统化了重校准、局部处理与多样本基因分型，使高通量变异发现成为概率推断过程。⁸ DeepVariant 则把候选位点的读段证据编码后交给深度神经网络分类，展示了数据驱动错误模型的另一条路径；模型仍需匹配平台、样本类型和训练范围。⁹

胚系、体细胞和群体混合样本使用不同模型。二倍体胚系调用常假定等位比例接近 0、1/2 或 1；单倍体染色体、线粒体异质性和多倍体必须修改倍性或等位剂量假设。肿瘤样本同时受纯度、亚克隆比例、非整倍体和局部拷贝数影响，低频体细胞变异还需与正常样本、氧化损伤、脱氨和比对伪影区分。把胚系二倍体阈值直接用于肿瘤，可能同时漏掉亚克隆事件并放大技术噪声。

队列分析常先为每个样本保存候选位点及参考区间的似然信息，再在所有样本中联合基因分型。联合分析使某个样本中的弱证据能够在队列已知位点上被重新评估，也能一致地区分纯合参考与没有足够数据；批次、祖源、测序平台和捕获试剂差异仍需在设计与质量控制中处理。硬阈值过滤、机器学习重校准或监督分类都需要用独立真值、技术重复和样本级指标评估，过滤器给出的 PASS 表示符合当前流程规则。

VCF 表示与标准化¶

变异调用格式（Variant Call Format，VCF）以参考坐标和 REF、ALT 等字段描述变异，并用样本列保存基因型、深度和似然等信息。¹⁰ 同一个插入或缺失在重复序列中可能有多个等价坐标，多碱基替换也可被表示为一个复杂等位或多个小事件。因此跨流程比较前通常需要左对齐、去除共同前后缀、统一多等位拆分策略，并核对参考碱基。标准化改善表示一致性；复杂结构在不同算法中的断点定义还需进一步协调。

基准评估应在明确的样本、参考版本和基准区域（benchmark region）内计算精确率（precision）、召回率（recall）等指标。瓶中基因组联盟（Genome in a Bottle，GIAB）建立的高可信样本与区域为小变异和部分结构变异提供了重要基准，但高可信区域通常排除最难的重复与复杂结构；平台在其中的性能只覆盖相应基准区域。¹¹

结构变异、拷贝数与复杂重排¶

结构变异常以约 50 bp 作为与小 indel 分界的操作性约定，真实生物机制跨越这一长度阈值。删除、插入、串联重复变化、倒位和易位描述的是参考与样本序列之间的结构关系；拷贝数变异强调某一区段剂量改变，而平衡倒位或易位可以改变连接关系却不改变总拷贝数。染色体异常形成机制及细胞遗传证据见突变与染色体变异。

短读段结构变异检测主要利用四类证据：成对读段的距离或方向异常、跨断点的分裂读段（split read）、局部读深改变，以及候选区域的局部组装。前两类有较精细的断点信息，却依赖唯一比对；读深可发现大片段剂量变化，却难精确定义断点，也看不到平衡重排；局部组装能恢复新序列，但在长重复中仍可能中断。长读段可以直接跨过许多断点和插入序列，Sniffles2 等方法进一步联合读段比对、重复感知与群体基因分型，但平台错误、覆盖不足和重复错配仍会限制结果。¹²

复杂重排可能包含多个彼此依赖的断点，拆成独立 VCF 记录后会丢失事件结构。断点图或局部单倍型序列更适合表达染色体碎片的连接关系。串联重复扩增还常以重复单元数而非单一插入长度描述；当等位长度超过读段跨度时，读深、侧翼锚定和专用重复模型需要联合使用。

结构变异验证应选择与发现证据相对独立的方法。PCR 与 Sanger 适合可扩增的小断点，长读段或靶向测序可确认插入序列，光学图谱和细胞遗传学适合更大尺度事件。多个调用器都报告同一事件会提高可信度，但调用器可能共享比对偏差。样本身份、断点序列、等位比例和孟德尔传递常比简单的“支持软件数”更有诊断力。

单倍型分相与群体变异¶

参考比对产生的杂合基因型说明两种等位都存在，分相进一步说明它们如何组合在同源染色体上。读段支持的分相（read-backed phasing）用同一读段或读段对共同覆盖的位点连接局部相位；家系分相利用孟德尔传递连接更长区段；群体分相依据连锁不平衡从参考面板推断常见单倍型。三者的尺度和假设不同：读段证据受物理跨度限制，家系证据需要亲属且对双杂合区间可能无信息，群体模型对罕见变异和参考面板代表不足的群体更容易出错。

国际人类基因组单体型图计划（International HapMap Project，HapMap）在人群样本中建立常见单核苷酸多态性（single-nucleotide polymorphism，SNP）与连锁不平衡图谱，使研究者能够用标记位点间接检测未分型的常见变异。其设计主要覆盖常见变异和特定人群，而千人基因组计划随后通过群体尺度测序扩展了变异频谱与单倍型参考；现代研究仍须报告祖源构成、样本选择和参考面板版本，以便识别面板缺少的单倍型。

外显子组与简化基因组的检测边界¶

外显子组测序先用探针捕获已知转录本的编码外显子及部分剪接邻域，再以较低成本获得较深的靶区覆盖。它适合蛋白编码区小变异研究，却受捕获试剂、转录本版本、GC 含量、同源基因和假基因影响。平均深度很高时，某些首末外显子或高 GC 外显子仍可能没有达到可调用条件；非编码变异、平衡重排、重复扩增以及许多拷贝数变异也缺少直接证据。外显子组是针对已知编码外显子设计、具有明确检测边界的靶向实验。

限制性位点相关 DNA 测序（restriction site-associated DNA sequencing，RADseq）、基因分型测序（genotyping by sequencing，GBS）和特异位点扩增片段测序（specific-locus amplified fragment sequencing，SLAF-seq）等简化基因组方法利用限制性内切酶，在全基因组中重复抽取限制位点邻近片段，适合非模式生物的高密度标记开发、遗传图谱和群体遗传学。它们观察可重复抽到的一组座位，而非连续基因组。限制位点本身发生变异会造成等位基因脱落（allele dropout），酶切、片段选择和批次差异会改变可比较座位集合，高缺失率也可能与真实群体分化混淆。RADseq 的价值来自以较低成本在许多个体中抽样同源标记；研究问题若要求完整结构变异、基因组连续性或非编码区域全覆盖，就应选择相应的全基因组设计。¹³

从变异注释到生物学解释¶

变异注释首先是坐标映射。注释器把变异与基因、转录本、外显子、剪接位点和调控区域相交，依据等位改变预测同义、错义、终止获得、移码或剪接影响。变异效应预测器（Variant Effect Predictor，VEP）等工具能够整合转录本、群体频率和多种预测信息，但同一变异在不同转录本上可具有不同后果；参考组装、基因注释版本和“canonical transcript”规则必须随结果保存。¹⁴

“高影响”是序列后果分类。致病或适应性因果的解释还要结合群体等位频率、基因约束、物种间保守性、剪接或蛋白功能实验、家系共分离、表型一致性和研究设计。预测器之间可能共享训练集与注释特征，多个预测的一致结果需要按证据独立性解释。临床变异还应依据适用的证据框架和数据库版本进行人工评审；遗传检测选择与解释边界见人类遗传学。

组装质量会直接影响注释。断裂 contig 会把一个基因拆成多个模型，重复塌缩会减少基因拷贝，未清除的双单倍型则会制造虚假的基因家族扩张。重复识别和基因结构预测的计算原理见序列特征、基因识别与功能位点；在新组装上比较基因数之前，应先比较组装完整性、重复处理和注释流程。

比较基因组：共线性、同源与基因家族¶

比较基因组学可以在多个尺度上工作。全基因组比对寻找同源序列块及其方向，序列块在染色体上的顺序与方向构成共线性（synteny）证据；结构重排会改变块的相对位置，而较强的功能约束能让外显子或调控区在大片差异序列中仍保持可识别同源。大尺度比对的种子、链与网见序列比对与数据库搜索。

基因层面的“同源”表示共同祖先来源，进一步可区分随物种分化产生的直系同源和由基因复制产生的旁系同源。双向最佳匹配是寻找一对一直系同源的实用近似，但在基因丢失、谱系特异复制、进化速率差异和不完整注释存在时容易失效。OrthoFinder 等方法把基因树、物种树和基因复制事件联合起来，能够处理多对多直系同源关系。¹⁵ MCScanX 一类工具则将同源基因对与染色体顺序结合，识别共线区块并分析全基因组或局部复制。¹⁶

基因家族扩张或收缩的判断应先排除技术解释。一个物种中“缺失”的基因可能位于组装缺口，额外拷贝可能来自未清除的单倍型、串联注释碎片或转录本被当作独立基因。跨物种比较宜使用相近质量的组装、统一或可比的重复处理与基因注释流程，并把 BUSCO、组装连续性和证据支持作为家族计数的背景。复制与丢失还应结合基因树、共线位置、外显子结构和读段覆盖进行判断。

共线性描述基因或锚点的顺序关系，对逐碱基高度相似没有必然要求。远缘物种可以在基因顺序层面保留古老区块，而区块内部的内含子和间隔序列已经大幅变化；近期大片段复制则可能产生高相似却位于不同染色体位置的区块。比较分析因此需要同时报告序列相似性阈值、区块内最少锚定基因数、允许的间隔和重复基因处理。物种树推断、选择检验和分化时间估计还涉及模型与取样问题，将在分子进化与系统发育分析中继续展开。

泛基因组的两种对象¶

微生物研究中的基因内容泛基因组，通常指一组菌株全部基因簇的并集，并按在样本中的出现频率区分核心、附属与菌株特异成分。这个概念用群体样本补充单个参考菌株未覆盖的代谢、毒力和耐药基因。无乳链球菌研究的泛基因组分析展示了随着新菌株加入仍会发现新基因的现象。¹⁷ “开放”或“闭合”的判断取决于抽样范围、生态群体、基因预测、聚类相似度和外推模型，是针对具体数据集与模型的结论。

真核和人类研究中常说的序列泛基因组，更强调同时表示多个完整单倍型的碱基路径。图泛基因组（pangenome graph）把共享序列压缩为共同节点，把插入、缺失和替代单倍型表示为分支；线性参考仍可以作为图中的一条命名路径，用于与既有坐标互操作。其核心价值是让参考中不存在的序列和多种结构路径进入比对与基因分型，同时保留各单倍型路径。¹⁸

2023 年发布的人类泛基因组草图由 47 个个体的 94 条分相单倍型组装构成，增加了线性参考缺少的序列，并在所测试分析中减少了部分参考偏倚。¹⁹ 这是一项特定版本和样本构成的资源；样本祖源、罕见结构、重复区质量、图构建方法和路径命名仍会影响群体多样性的表示范围。图参考也带来新的坐标、文件格式和算法互操作问题；若下游数据库仍只接受线性坐标，结果需要明确记录投影路径及其信息损失。

个体二倍体组装、线性参考与泛基因组图分别回答“这个样本有什么”“大家用哪套坐标报告”和“群体中有哪些可选路径”。三者可以相互映射，并分别保留样本序列、公共坐标和群体路径这三类对象。遗传学页面从参考、个体与群体角度讨论这一层级，见基因组学与表观遗传学；分子层面的参考序列边界见遗传物质、基因与基因组。

可复现报告与证据边界¶

一项可复现的基因组分析，应使后来者能够重建“样本—读段—参考或组装—变异—注释”的转换链。最低限度需要记录样本身份与倍性假设、建库和平台、原始数据与质控版本、参考组装及附加序列、软件和参数、过滤规则、注释数据库版本、可调用区域，以及人工修订。工作流容器和环境锁定保存软件依赖，样本表、参考包和阈值定义则需要另外完整记录。

结果解释还应区分生物学缺失与分析阴性。某区域没有变异记录，可能表示可信纯合参考，也可能表示低覆盖、不可唯一比对、未被捕获或被过滤；某物种没有检测到一个基因，可能是真实丢失，也可能是组装或注释缺口。把可调用性、证据强度和分析盲区随主要结论一同报告，才能让后续实验知道应验证什么，也能让跨研究比较建立在相同对象和坐标上。

参考资料与延伸阅读¶