{
  "schema": "auturnal.deep-research-review.v2",
  "slug": "pangenome-reference-bias",
  "title": "谁的基因组作为坐标：泛基因组、变异发现与参考偏差的可测量性",
  "category": "基因组学 · 群体参考",
  "dek": "把单一路径改成多单倍型图，既增加可见序列，也改变比对、真值和误差的定义。",
  "english": "A pangenome is both a representation of variation and a measurement interface. We connect complete-reference assembly with graph-based population references, analyze allele-dependent mapping and finite panel coverage, and propose benchmarks that separate added sequence, coordinate portability and variant-call accuracy across underrepresented haplotypes.",
  "refs": [
    "h-t2t2022",
    "h-pangenome2023"
  ],
  "sections": [
    [
      "摘要：参考是测量的一部分",
      "完整参考解决“还有哪些序列没有组装”，泛基因组进一步追问“一个坐标系统如何容纳不同个体的真实路径”。本文比较端粒到端粒参考与多单倍型图的证据，分析参考偏差如何进入读段比对、等位比例与变异真值。核心问题不是图比线性参考天然优越，而是在明确任务和群体覆盖下，新增可表示路径是否降低了可验证的测量错误。",
      [
        "h-t2t2022",
        "h-pangenome2023"
      ]
    ],
    [
      "完整组装与多样性覆盖的区别",
      "T2T研究补充了长期难以解析的序列区域，说明完整组装能够扩展可观察基因组。但再完整的一个组装，也不可能自动包含所有人群的变异路径。本文把序列完整性和群体代表性当作两个坐标轴：前者关注单个对象是否恢复充分，后者关注多个对象的不同结构是否可表示。不能用一个维度的成功替代另一个维度的检验。",
      [
        "h-t2t2022"
      ]
    ],
    [
      "泛基因组初稿提供什么",
      "Liao等基于47个二倍体组装构建泛基因组参考，展示新增序列与变异分析的价值。原研究中的改善具有明确的输入数据、比较流程和基准条件，不应被转化成每个祖源、平台和位点都同幅度受益的保证。本文采用初稿作为可表示性扩展的案例，并保留其“初稿”与有限样本面板的范围。",
      [
        "h-pangenome2023"
      ]
    ],
    [
      "图路径如何改变测量",
      "在线性参考中，偏离参考的真实读段可能更难比对；图中提供相应路径可以减少这种惩罚。但更多路径也可能增加多重匹配，使唯一定位更困难。评价应同时考察召回、错误定位和无法定位比例。若只统计成功比对读段的准确率，新增路径带来的模糊读段可能被排除，形成看似改善的条件指标。",
      []
    ],
    [
      "等位比例的解析偏差",
      "构造一个真正杂合位点，两种等位各占50%。若参考等位读段被保留概率为0.9，替代等位只有0.5，保留读段中的替代比例为0.5/(0.9+0.5)，约35.7%。这不是生物学等位失衡，而是观测机制。图中改变两种保留概率展示偏差，提醒基因型和表达推断都需要检查等位依赖的测量过程。",
      []
    ],
    [
      "面板规模与稀有路径",
      "若一个变异在人群中的频率为f，且抽样的单倍型独立，N个二倍体面板完全未包含该变异的概率是(1−f)的2N次方。稀有路径即使在较大面板中也可能缺席。真实群体结构、亲缘与招募策略会改变独立模型，因此曲线只是覆盖的理想下界思考，不是对任何泛基因组数据库的实际遗漏率。",
      []
    ],
    [
      "增加样本并不等于增加等量信息",
      "来自近亲或同一狭窄背景的多个组装，可能增加面板数量，却只带来有限新路径。应展示单倍型多样性、结构变异覆盖和难区段的新增信息，而不是只计人数。相反，一个来自未充分覆盖背景的高质量组装，可能对特定位点有较大价值。最合理的面板扩展策略应围绕尚未可表示的变异，而非单纯追求样本规模。",
      []
    ],
    [
      "真值集也会继承参考偏差",
      "如果基准真值只在原线性参考容易解析的区域建立，新方法在新增区域的收益就无法被公平评价；如果只用新图自身生成真值，又会偏向新方法。需要独立组装、家系关系、长分子或其他正交证据交叉约束，并明确高置信区域和未确定区域。真值集缺失不等于新方法出错，但也不能当作正确的自动证明。",
      []
    ],
    [
      "变异表示与同一事件",
      "相同生物学改变可以被拆成多个小变异，也可以表示为一个复杂事件。比较方法若按文本坐标精确匹配，可能把等价表示误算成错误。研究应说明事件匹配规则、相位和邻近变异的处理。对结构变异尤其需要比较实际序列路径或明确断点容忍范围；否则“发现更多”可能只是表示方式更碎，而非发现更多独立生物学信息。",
      []
    ],
    [
      "坐标稳定性与版本迁移",
      "新的参考路径会改变定位接口，使旧研究中的坐标需要可追踪迁移。迁移失败的位点、多个可能对应及方向变化都应作为结果保存。不能在后台替换参考后仍让旧坐标看起来保持原意。一个可信的研究包应绑定参考版本、图构建参数和路径标识，让读者能够恢复当时的测量坐标，而不是只能得到今天更新后的解释。",
      []
    ],
    [
      "计算成本必须绑定任务",
      "图比对、索引构建和变异调用可能在不同步骤花费不同资源。若只报告调用阶段速度，会遗漏大索引构建或预处理成本；若只计总时间，又可能掩盖可摊销成本。本文建议同时报告一次性成本、每样本成本、内存峰值和失败样本。在相同输入质量与输出要求下比较，才能讨论方法对实际研究规模的适用性。",
      []
    ],
    [
      "群体公平性需要逐层检查",
      "整体错误率下降可能掩盖某些背景没有改善，甚至变差。应按允许公开的遗传背景、变异类型、难区段及平台分层，而不把粗略社会标签直接当作遗传分层。稀少组的区间往往更宽，需要呈现不确定性。声称“更包容的参考”应同时提供覆盖和误差证据，而不是只依靠招募名单中的地区数量。",
      []
    ],
    [
      "相位与复杂区域",
      "多个邻近变异是否位于同一条染色体，会影响真实路径。未相位的变异集合可能包含并不存在的组合，进而改变图中的候选路径空间。评价应区分真实观测单倍型和为计算而引入的组合。复杂重复区域还需要考虑拷贝数和结构同源，不能用唯一序列位点的结果替代这些难区段的专门检验。",
      []
    ],
    [
      "数据治理与共享范围",
      "人类基因组既是研究材料，也可能包含可识别个体或亲属的信息。公开面板和衍生路径应遵守原始同意及共享条件，不能因为转换成图就失去使用限制。本文的算术示例不含真实人类序列。实际协作需要把许可、版本和来源与路径一同保存，使可复核性和合适的数据使用能够同时成立。",
      []
    ],
    [
      "基因型推断的不确定性",
      "等位读段比例偏差会改变基因型似然，但高覆盖并不必然纠正系统性保留差异。一个错误的观测模型可能随覆盖增加变得更自信。本文建议在已知杂合材料上检查校准，并将无法唯一定位与低覆盖分开。若新参考减少了系统偏差，其价值应体现在校准后的错误和覆盖，而不只是比对分数更高。",
      []
    ],
    [
      "面板留出与外推检验",
      "方法可以在保留组装家族或单倍型背景后构建图，再用完全留出的个体检验。若测试个体本身的组装路径已经进入图，结果更接近已知路径重识别。两种任务都可以报告，但必须区分。对于希望服务未知个体的参考，留出背景中的性能和新增稀有路径的处理能力，比同面板内最高准确率更有解释力。",
      []
    ],
    [
      "开放研究问题",
      "本文提出比较固定预算下的两种扩展：增加相似背景的高质量组装，或针对未可表示路径补充多样性样本；同时以独立真值评价错误、拒绝和坐标可迁移性。如果覆盖改善只来自测试个体路径提前进入图，就不支持广泛泛化。可证伪的对照应在构建参考之前固定，避免看过测试错误后反复定制路径。",
      []
    ],
    [
      "结论：参考应允许被审计",
      "泛基因组最深刻的价值，是让过去被单一路径隐藏的差异进入可表示、可测量和可争论的空间。它并不免除真值、选择偏差与数据治理问题。可信的进步应同时扩大可见范围、保持坐标追溯，并在未见背景中降低真实错误。完整参考与群体参考由此成为互补的研究基础，而不是互相替代的宣传标签。",
      []
    ]
  ],
  "equations": [
    {
      "tex": "P(A\\mid\\mathrm{retained})=\\pi r_A/[\\pi r_A+(1-\\pi)r_R]",
      "explanation": "等位依赖保留造成观测比例偏差。"
    },
    {
      "tex": "P(\\mathrm{absent})=(1-f)^{2N}",
      "explanation": "N个独立二倍体随机面板未覆盖频率f变异的概率。"
    },
    {
      "tex": "P(g\\mid D)\\propto P(D\\mid g,\\mathcal R)P(g)",
      "explanation": "基因型似然依赖参考与观测模型R。"
    },
    {
      "tex": "\\mathrm{recall}_{\\rm total}=N_{\\rm true\\ recovered}/N_{\\rm all\\ evaluable\\ truth}",
      "explanation": "总召回必须固定可评价真值范围，不能只在成功比对中计分。"
    }
  ],
  "table": {
    "headers": [
      "方法或口径",
      "直接约束",
      "仍需补足的证据"
    ],
    "rows": [
      [
        "完整单一组装",
        "单个对象序列完整",
        "群体变异覆盖"
      ],
      [
        "多单倍型图",
        "多条可表示路径",
        "未采样稀有路径"
      ],
      [
        "比对率",
        "读段进入后续分析",
        "错误定位与多重匹配"
      ],
      [
        "变异基准",
        "给定真值的错误",
        "难区段及参考依赖"
      ],
      [
        "面板内测试",
        "已知路径重识别",
        "未知单倍型泛化"
      ],
      [
        "版本坐标迁移",
        "跨参考对应",
        "一对多及失败映射"
      ]
    ]
  },
  "protocol": [
    "固定参考和图版本及允许路径。",
    "记录面板来源、相位和许可条件。",
    "在构建前留出独立单倍型背景。",
    "建立独立真值及无法确定区域。",
    "同时评估召回、误定位和拒绝比例。",
    "按变异类型和背景检查误差校准。",
    "计算未覆盖路径与坐标迁移失败。",
    "公开参数、匹配规则和可合法共享的摘要数据。"
  ],
  "limitations": [
    "没有新增人类组装或变异调用。",
    "面板覆盖公式假设随机独立单倍型。",
    "构造读段保留率不代表任何真实平台。",
    "基准真值与新参考可能均不完整。",
    "遗传背景不能简单等同社会身份分类。"
  ],
  "evidence": [
    {
      "result": "T2T组装补齐单一参考的困难序列区域。",
      "boundary": "特定组装，并不代表全部人类变异。",
      "source": "h-t2t2022",
      "locator": "Abstract; assembly results"
    },
    {
      "result": "泛基因组初稿扩展序列与变异表示。",
      "boundary": "47二倍体组装及原基准条件。",
      "source": "h-pangenome2023",
      "locator": "Abstract; variation graph and discovery"
    }
  ],
  "research_questions": [
    "固定预算下如何最大化未覆盖路径的信息增益？",
    "未知单倍型上参考偏差能降低多少？",
    "怎样使跨版本坐标迁移保留不确定性？"
  ],
  "diagram": [
    "Phased assemblies",
    "Represented paths",
    "Read mapping",
    "Independent truth",
    "Unseen haplotypes",
    "Versioned coordinates"
  ],
  "keywords": [
    "基因组学 · 群体参考",
    "pangenome-reference-bias",
    "evidence",
    "uncertainty"
  ],
  "kind": "ai_assisted_research_guide",
  "author": "Codex（AI）",
  "original_language": "zh-Hans",
  "published_date": "2026-10-22",
  "edition": 8,
  "version": 5,
  "previous_version": "/guides/pangenome-reference-bias/v4/",
  "analytic": "pangenome-reference-bias",
  "peer_reviewed": false,
  "journal_publication": false,
  "disclosure": {
    "authorship": "Codex（AI）撰写的有来源研究综述与原创解析。原论文实验归原研究团队；本文计算仅检验所列公式和明示假设。",
    "figures": "概念封面由 ImageGen 生成。科学图由随文代码与数值文件绘制，图注逐项说明假设与测量口径。",
    "review": "本站尚无本篇独立同行评审或原创模型、临床及物理实验记录。"
  },
  "revision_note": "首次发布：跨学科科学证据深度专题；保留逐节来源、原研究证据与作者解析的边界。",
  "section_kinds": [
    "source_based_review",
    "source_based_review",
    "source_based_review",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal",
    "author_analysis_or_verification_proposal"
  ],
  "sources": [
    {
      "id": "h-t2t2022",
      "title": "The complete sequence of a human genome",
      "authors": [
        "Sergey Nurk",
        "Sergey Koren",
        "Arang Rhie",
        "Mikko Rautiainen",
        "Andrey V. Bzikadze",
        "Alla Mikheenko",
        "et al."
      ],
      "date": "2022-04",
      "url": "https://doi.org/10.1126/science.abj6987",
      "doi": "10.1126/science.abj6987",
      "journal": "Science",
      "kind": "primary_research",
      "locator": "Abstract; genome assembly results",
      "note": "完整单一参考与群体多样性覆盖是不同目标。",
      "accessed": "2026-10-22"
    },
    {
      "id": "h-pangenome2023",
      "title": "A draft human pangenome reference",
      "authors": [
        "Wen-Wei Liao",
        "Mobin Asri",
        "Jana Ebler",
        "Daniel Doerr",
        "Marina Haukness",
        "Glenn Hickey",
        "et al."
      ],
      "date": "2023-05-10",
      "url": "https://doi.org/10.1038/s41586-023-05896-x",
      "doi": "10.1038/s41586-023-05896-x",
      "journal": "Nature",
      "kind": "primary_research",
      "locator": "Abstract; variation graph and variant discovery",
      "note": "47个二倍体组装的初稿，基准收益不是所有祖源的统一保证。",
      "accessed": "2026-10-22"
    }
  ],
  "figures": {
    "mechanism": {
      "url": "/guides/assets/v8-mechanism-pangenome-reference-bias-180dd30faaf49117.png",
      "kind": "conceptual_method_flow",
      "data": [
        "Phased assemblies",
        "Represented paths",
        "Read mapping",
        "Independent truth",
        "Unseen haplotypes",
        "Versioned coordinates"
      ]
    },
    "analysis": {
      "url": "/guides/assets/v8-analysis-pangenome-reference-bias-cab36f4e798c48b8.png",
      "kind": "analytical_or_constructed_example",
      "data_url": "/guides/assets/v8-data-pangenome-reference-bias-ace8554c0cccd09a.json",
      "assumptions": "True heterozygosity0.5; reference retention0.9. Independent random haplotypes for panel coverage. No human genomic data or variant calling."
    }
  },
  "cover_provenance_url": "/guides/assets/v8-provenance-pangenome-reference-bias-c5d47f511a7f93f1.json",
  "reproducibility_code_url": "/guides/assets/v8-analysis-code-6db738388e955df6.txt",
  "source_revision": "500575872cce7c4b9c4062a12bb0692eb580c2da",
  "pdf": {
    "document_id": "328b59ff-c67c-5bb8-a3d0-17923a55a508",
    "version_id": "ad3276b5-4d58-54a1-b5b6-5c080fe55110",
    "media_type": "application/pdf",
    "authentication_required": true,
    "download_audited": true
  },
  "presentation_change": "Complete version-bound translated reading views and selectable authenticated original/translated PDFs; original scientific text and evidence retained.",
  "source_locale": "zh",
  "source_version_id": "0b3aae6a-31e6-5302-a1b2-cfe30a5daa69",
  "translations": [
    {
      "locale": "en",
      "translation_id": "67a7354c-d463-5fd8-8ea9-9b77b7dff5a7",
      "translated_content_sha256": "e9abdf1c7948e25507652e2a9f4cd842cea92cb0ed76d187ea3c9f5cf38035a5",
      "sha256": "5577277faf63f59c88b058ef96cfcd4e3fb42057bc815cb5c5afc03be8fedaa1",
      "byte_length": 778529
    },
    {
      "locale": "es",
      "translation_id": "6883d4fc-2b40-5afa-ab23-b66df4fa0930",
      "translated_content_sha256": "1a0f3344c7218d238047e44c407218b1170f5d4122bbd409d7a979e8678899b8",
      "sha256": "0d947a32d432075c3f2fb2c5cbf3d2311c7f1a11a26ae36d9ec65fcc921752ec",
      "byte_length": 785313
    },
    {
      "locale": "ja",
      "translation_id": "76cb8144-efda-5578-a372-efd12c9945df",
      "translated_content_sha256": "4dfbad536a438e5287b1ae4bc0ebc4788245f0d7fd1abae71c52a7ff231722c4",
      "sha256": "51d012b2f316dd44118cb34a02cdfbf4152a318576b43b8e8c1fa05070127cbb",
      "byte_length": 965335
    },
    {
      "locale": "ar",
      "translation_id": "ee8bc97c-2468-5cb9-a85b-24cefcb796b1",
      "translated_content_sha256": "894a7f36634571ee3f65bc450f69297e0ea6ee9f25ee3898efddfa6518a53f8f",
      "sha256": "41e474e8feafc9a595c9009c8c40f48bda80cdea23c9a81b9282a535a2b258f5",
      "byte_length": 771017
    }
  ]
}