seqr

seqr 在医学科研流程中的位置

seqr 是 Broad Institute 开源的基因组变异解读与协作平台，主要面向罕见病、遗传病和家系研究。它不是一个从原始测序数据直接产生结论的工具，而是位于变异检测、注释和质控之后，用于筛选、审阅和记录候选变异。

在典型 WES 或 WGS 项目中，研究团队通常先完成 FASTQ 质控、比对、去重复、变异检测、联合分型和注释。seqr 更适合接收这些上游流程产出的变异文件和样本信息，并把复杂的候选变异筛选过程放到可交互的 Web 界面中。

对于医学研究生、临床医生和 PI 来说，seqr 的意义在于降低团队协作成本。生信分析师可以维护数据导入和过滤条件，临床医生可以结合表型与家系信息审阅候选变异，遗传学专家可以进一步判断证据强度。

适合的医学科研场景

seqr 最适合罕见病和未诊断遗传病研究，尤其是需要反复比较样本、家系成员和候选基因的项目。对于三联体测序，研究者可以关注新发变异、隐性遗传、复合杂合和 X 连锁等线索；对于较大队列，则可按基因、表型或变异类型进行集中回顾。

在临床遗传 MDT 或科研组会中，seqr 也可作为病例讨论的工作台。团队可在同一项目中查看样本关系、候选变异、公共数据库注释和内部备注，减少多人之间反复传递表格造成的版本混乱。

• 罕见病队列再分析：对过去未找到明确病因的病例，结合更新注释和新文献重新筛查候选变异。
• 家系共分离分析：在父母、先证者和兄弟姐妹之间比较基因型，寻找与受累状态一致的遗传模式。
• 候选基因优先级排序：结合人群频率、变异后果、疾病关联和患者表型，整理后续验证清单。
• 跨角色协作解读：让生信、临床、遗传咨询和 PI 在同一病例环境中记录分析判断。

不适合的情况

seqr 不适合作为单独的变异 calling 工具。如果研究者还没有完成比对、变异检测和注释，应先选择合适的上游工具或测序分析管线，例如 DeepVariant、GATK、VEP 或机构内部流程。

它也不适合没有遗传学训练的用户独立给出临床诊断。平台可以帮助缩小候选范围，但致病性解释仍需要依据 ACMG/AMP 等规范，结合表型、家系共分离、功能证据、文献和必要的验证实验。

如果研究主题是肿瘤体细胞突变负荷、转录组差异表达、单细胞聚类、蛋白质组学、影像组学或系统综述，seqr 通常不是首选工具。这些任务需要专门的数据结构、统计方法和可视化流程。

核心功能怎样服务罕见病研究

seqr 的一个重要价值是把过滤条件从零散脚本转移到项目化界面。研究者可以按变异影响、等位基因频率、遗传模式、基因列表、样本状态和注释信息逐步缩小范围。对于需要反复讨论的病例，这比单次导出的电子表格更便于追踪。

家系分析是 seqr 的重点场景。对于三联体或多成员家系，平台能够帮助团队围绕受累状态和基因型关系寻找线索。例如，新发变异筛查可以用于严重早发疾病，隐性模型可用于近亲婚配或同胞多例受累的项目。

seqr 还支持协作式记录。团队成员可以在候选变异旁保留判断、备注和后续操作建议。对于长期随访病例，这种记录有助于理解当时为什么排除某些变异，或为什么把某个基因放入验证计划。

需要注意的是，seqr 输出的是辅助解读线索，不是自动诊断报告。任何用于临床的解释都应经过合格专业人员复核，并符合本机构的伦理和检验流程。

与 DeepVariant、VEP 和 ClinVar 的关系

seqr 经常被拿来和 DeepVariant、VEP、ClinVar 放在同一流程中，但它们的角色不同。DeepVariant 主要用于从测序比对数据中识别变异；VEP 主要用于给变异添加功能和基因注释；ClinVar 则提供已提交的临床变异解释信息。

seqr 更像是这些结果之后的病例解读层。它可以帮助研究者在已检测和已注释的变异集合中，结合样本关系、疾病表型和团队判断筛选候选变异。把它理解为协作平台，比把它理解为算法模型更准确。

流程对照：DeepVariant 偏向变异检测；VEP 偏向变异功能注释；ClinVar 偏向临床变异知识参考；seqr 偏向病例级候选变异筛选、家系分析和团队协作解读。

部署、数据安全和团队要求

seqr 是开源自部署工具，这对处理人类基因组数据的机构有明显意义。数据可以放在本地服务器或受控云环境中，访问权限、备份和日志由机构自行管理。与此同时，这也意味着团队必须承担安全配置和持续维护责任。

在真实项目中，建议先用测试数据或已脱敏样本验证部署流程。团队需要确认 VCF 格式、样本命名、家系文件、注释字段和权限设置都能满足内部规范，再将平台用于正式病例队列。

涉及患者基因组数据时，应避免把可识别信息随意写入项目名称、备注或导出文件。研究团队还应确认知情同意、伦理审批、数据共享范围和再分析计划，尤其是跨机构协作项目。

使用建议与质量控制

如果你的团队刚开始使用 seqr，不建议一开始就导入大规模队列。更稳妥的做法是选择少量已知阳性病例或内部验证病例，检查上游 calling、注释字段和 seqr 展示结果是否一致。

在变异筛选时，应记录每一轮过滤标准，例如人群频率阈值、遗传模型、关注基因列表和排除理由。这样可以提高病例讨论的可重复性，也便于论文方法部分描述分析流程。

对于候选变异，后续仍需结合 Sanger 验证、家系共分离、功能实验、数据库证据或文献证据。seqr 能帮助组织证据，但不能替代遗传学解释规范和临床判断。

总体来看，seqr 更适合有稳定测序分析管线、持续病例队列和多学科协作需求的医学科研团队。若团队目标是从海量变异中系统筛选罕见病候选变异，并希望保留审阅记录，它是值得评估的开源方案。