software

CRISPResso2 结果审阅,同一批读段为什么会出现三种编辑比例

作者:发布于 2026-11-18约 10 分钟阅读
CRISPResso2原创事件表审阅,窗口变化产生18%、22%、30%,目标变化18%但仅目标产物12%,分母改用1200输入则180除以1200为15%。

同一个样本,一张图显示编辑比例为百分之十八,另一张表却是百分之三十,是否一定有一处算错了?不一定。两处可能采用不同的定量窗口,也可能使用不同的纳入对象与分母。如果没有先确认这些定义,直接比较百分比,就会把统计范围变化误当成实验结果冲突。

本文围绕 CRISPResso2 的输出与参数定义,实际运行一份原创事件表审阅练习。我们没有安装或调用 CRISPResso2,也没有进行读段预处理、序列比对或插入缺失定位。所有事件位置与计数都由我们人为指定,脚本只检查窗口、权重与分母的关系,不重现软件的比对或编辑分类算法。

CRISPResso2原创事件表审阅,窗口变化产生18%、22%、30%,目标变化18%但仅目标产物12%,分母改用1200输入则180除以1200为15%。
自编Python对人为指定替换事件的实际计算。没有FASTQ、预处理、比对或插入缺失定位,不能作为CRISPResso2原生性能或复杂事件边界的验证。

先问“编辑”在当前统计里具体指什么

测序结果中的差异可以包括替换、插入和缺失。一个分析流程可以统计指定区域内是否存在任意变化,也可以进一步关注特定位置、特定类型或某个预期产物。它们都可能被简写成编辑比例,但回答的问题不同。方法部分若没有说明判定范围,单独一个百分比很难被正确复核。

CRISPResso2 提供定量窗口和多种输出,帮助把这些对象组织起来。读者应先确认当前分析采用的参数,以及结果文件每一列的定义,再决定哪个数字适合回答研究问题。有关窗口和忽略特定事件的选项,可查阅官方参数说明,不要凭图形看起来覆盖了某段区域就推断定量也使用了同一范围。

“发生任意变化”与“得到期望产物”尤其需要分开。一个读段可以包含目标位置变化,同时伴随另一个位置的变化。它能够支持目标位置发生变化,却不一定属于只含理想修改的产物。若把两种情况合在一起报告,读者可能高估最终产物的纯度或误解实验目标是否已经实现。

五种原创事件,分别代表哪些读段

练习假设一条长度为一百的参考片段,位置从零开始编号。我们直接给定五类已经定位的替换事件,不生成序列,也不执行比对。七百条没有变化,一百二十条只在目标位置五十发生变化,八十条只在位置二十发生变化,六十条同时在位置五十与五十二发生变化,四十条只在位置五十六发生变化。

总计一千条可分析读段,被压缩为五种事件模式。每行的计数是权重,不能把五行当成五条测序记录。这个小例子保留了结果汇总中最重要的对应关系,某种序列或事件模式可以代表很多读段,而它在表里只出现一次。后续求比例必须使用相应的计数列。

教学事件模式 读段数 零起点位置
没有变化 700 无
只有目标变化 120 50
只有远处变化 80 20
目标变化伴随邻近变化 60 50、52
窄窗口外的变化 40 56

这里的读段数与位置全部是教学设定,不是从某个实验输出复制来的,也没有模拟真实误差率。我们只统计替换事件,因为插入、缺失的定位和窗口边界还涉及比对及具体实现,不能用一个简单的位置集合冒充原生处理。这样的范围限制让练习结果容易手工复算,也让结论保持明确。

窗口变宽,计入的事件就会改变

第一个窗口取四十八到五十二,包含两端。在这个范围内,只有一百二十条目标变化和六十条目标加邻近变化被计入,合计一百八十条。以一千条可分析读段作分母,比例是百分之十八。位置二十和五十六的变化都存在于数据中,但没有进入这一窗口的计数。

第二个窗口改为四十五到六十,原先位于五十六的四十条也被计入,修改读段增加到二百二十条,比例变成百分之二十二。第三个范围覆盖整段零到九十九,位置二十的八十条也进入统计,修改读段合计三百条,比例为百分之三十。三次计算没有增加任何新读段,只改变了计数区域。

自编定量范围 计入变化的读段 占可分析读段比例
48 到 52,含两端 180 18%
45 到 60,含两端 220 22%
0 到 99,含两端 300 30%

因此,这三个百分比并不互相否定。它们分别描述三个范围内是否出现变化。真正需要解释的是,为什么研究问题选择了其中某个范围。不能为了让编辑比例更高而不断扩大窗口,也不能在不同样本采用不同窗口后,直接把比例放在一起比较而省略这一差异。

窗口内未修改,不等于整个读段完全一致

窄窗口条件下,位置二十和五十六发生变化的读段都不计为窗口内修改。若下游把这一状态简单改名为“全长野生型”,就多加了一个没有依据的结论。窗口内没有计入事件,只能说明该范围和当前规则下没有计入变化,不能说明其他区域也完全相同。

这一点在结果审阅中非常实用。若一张局部图看起来没有变化,但全范围的事件统计存在差异,应先检查它们的观察范围,而不是马上认定某个文件损坏。正确对应窗口以后,很多看似冲突的数字会变得一致。仍然无法解释时,再回到具体读段与参数排查。

显示窗口和定量窗口也可能不同。局部图为了便于观察,可以只展示参考的一部分,而分类依据来自另一个明确定义的范围。看到某个变化出现在图上,不代表它一定参与当前百分比计算。交付结果时应同时记录用于绘图和用于计数的设置,让读者能够从图回到真实判定条件。

目标变化比例与理想产物比例怎样区分

本例目标位置五十发生变化的读段有一百八十条,其中一百二十条只含目标变化,六十条还带有位置五十二的变化。若问题是目标位置是否被改变,比例是百分之十八。若问题是得到只有该目标变化的产物,比例就是百分之十二。两个结果的分母相同,分子定义不同。

不能因为目标变化被检测到,就忽略伴随事件。反过来,也不能把所有伴随变化都未经判断地归成同一种功能后果。实际解释需要结合目标定义、位置与事件类型,必要时进一步验证。一个通用修改标签只负责组织事件,不会自动替使用者决定哪些产物符合本项目的预期。

在设计结果表时,可以把任意变化、目标位置变化、只有目标变化和其他事件分别列出,同时保留它们之间的包含关系。若几个类别相互重叠,就不要直接相加当作总数。比如目标加邻近变化同时属于目标变化和存在伴随变化的集合,重复累加会把同一批读段计算两次。

分母从哪里来,同样会改变百分比

练习另外设定了一个读段流转摘要,输入一千二百条,预处理后剩一千一百条,最终可分析一千条。这些数量同样是人为设定,没有实际执行这些处理步骤。用一百八十除以一千得到百分之十八,改用一千二百作分母则为百分之十五。两者分别描述不同纳入范围下的比例。

实际报告应说明采用哪个分母,以及各阶段发生了多少数量变化。预处理、比对和分配到特定参考可能改变可用记录集合,不能把最终比例自动解释成最初所有输入分子的真实编辑率。对于没有进入最终分析的记录,应检查原因,而不是直接当作未编辑,也不能直接视作编辑失败。

官方输出说明介绍了比对统计、编辑定量和等位序列频率相关文件。它们分别提供不同层面的信息。审阅时可以先用数量流转检查总量,再对照具体参考与事件分类,最后阅读局部图。只下载一张图片而不保留对应表格和参数,会让很多比例失去追溯基础。

表格行数、读段数和细胞数是三层对象

本次五行事件表代表一千条读段。若直接对每一行赋予相同权重,七百条未变化读段与四十条局部变化读段就会被当成同样大小的对象。这个错误不会让程序报错,却会明显改变比例。读表时应先确认表是否已经按序列或模式汇总,再使用正确的计数权重。

即使读段计数正确,也不等于得到了相同数量的独立分子,更不能直接换算成细胞比例。扩增、测序抽样和每个细胞的等位情况都可能影响对应关系。没有合适的实验设计与标识信息时,不应把一千条读段写成一千个独立细胞,也不能用读段数替代生物学重复数。

如果需要比较不同样本,应尊重实验重复结构。给同一样本测更多读段可以改善某些计数估计,却不会自动增加独立样本数量。组间推断不能把每条测序记录当作独立处理单位,否则可能得到看似很精确、实际没有正确描述实验变异的统计结果。

输入参考与边界约定要先核实

官方显式定量坐标使用从零开始的区间约定,读者在把其他格式的坐标转换过来时应核对起点和终点。一个实用办法是把选中位置单独导出,确认数量和预期一致。本例四十八到五十二包含五个位置,若写成程序中不包含右端的切片却没有补一,就会少算一个位置。

实际输入还应核对参考方向、目标序列与所用系统的定位方式。不要把另一种实验体系的默认偏移直接复制到当前项目,也不要根据图上的位置凭感觉修改参考。参考错误、窗口错误和读段质量问题属于不同层次,应通过具体输入与日志定位,而不是反复调整阈值直到得到期待比例。

对于插入和缺失,边界定义更需要依赖实际版本说明及原生输出。缺口如何放置、同一事件是否有等价比对方式、是否跨越窗口,都可能影响结果。本文的简单替换位置练习不验证这些行为,也不把它扩展成一个替代原生比对器的程序。遇到复杂事件应检查详细比对并安排适合的验证。

怎样复算这五种模式

附件脚本只需要 Python 标准库,生成原创事件表,按三个窗口汇总加权读段数,并输出目标变化与理想目标产物的比例。运行目录要求尚不存在,以免与旧文件混合。解压后进入相应脚本目录,执行下列命令即可得到本文数字。

python run.py --work crispresso-window-review

复算时先核对五行计数之和,再手工检查每个窗口包含哪些位置,最后检查分子和分母的来源。不要只比对最终小数,因为两个错误可能偶然抵消,得到相同的百分比。把参与统计的事件类别也保存下来,才能知道一个数字究竟由哪些读段组成。

本次最重要的经验是,报告编辑比例时同时写明区域、事件定义、计数权重和分母。CRISPResso2 的优势是将比对、事件量化和可视化组织起来,便于系统审阅,但它的结果仍受参考、参数和输入数据影响。没有进入可分析读段的事件也不能仅凭一张最终图排除,必要时应回到实验设计补充独立验证。

本次核对的是当前公开的二点三点四版文档,核查日期为二〇二六年十一月十八日。原生软件的使用范围应按官方许可核实。本文没有原生处理速度或准确率结论,只有实际执行的原创结果审阅练习,以及据此得到的统计口径检查经验。

下载五篇复跑与原创审阅练习包(ZIP)。附件按工具分别提供驱动脚本、安装或运行说明与实际核验摘要,明确区分原生分析、原生筛选组件和自编读表练习,便于逐项核对本文结果。

当定量窗口和结果口径确定、准备统一处理多个扩增子或样本时,可以整理数据规模、参考设置和拟用软件版本,向云生信咨询生物分析服务器与环境支持,按真实分析步骤安排环境。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗