1 Biological application
sequence-to-sequence mapping (S2S) 和 sequence-to-graph mapping (S2G) 是基因组数据分析中的两种核心比对策略，它们的应用场景根植于其所依赖的参考基因组模型。
🧬 核心差异：线性参考 vs. 图参考
两者的根本区别在于比对时使用的“参考模板”不同。
- Sequence-to-Sequence (S2S) Mapping：将测序读段（reads）比对到一个线性的参考基因组上，如人类参考基因组GRCh38。这个线性参考只代表一个或少数个体的序列，因此会引入参考偏差（reference bias），即非参考等位基因的reads可能被错误比对或忽略。
- Sequence-to-Graph (S2G) Mapping：将reads比对到一个图结构的参考基因组（即泛基因组图，pangenome graph） 上。这个图整合了多个个体的基因组，节点代表保守序列，边代表变异（如SNP、indel、SV），能更全面地代表一个物种的遗传多样性。
📊 应用场景对比
下表总结了两种方法在基因学、生物学和医学中的主要应用场景。
| 应用领域 | Sequence-to-Sequence (S2S) Mapping | Sequence-to-Graph (S2G) Mapping |
|---|---|---|
| 🧬 基因学 (Genomics) | 基础变异检测：检测SNP和小片段插入缺失（indel）。 基因分型：对已知变异进行基因分型。 基因组组装：将reads比对到线性参考以辅助组装。 | 泛基因组构建与分析：S2G是构建和分析泛基因组的核心计算步骤。 复杂结构变异（SV）检测：显著提高SV检测的灵敏度和准确性。 长读段错误校正：利用图结构信息校正长读段中的测序错误。 |
| 🧫 生物学 (Biology) | 比较基因组学：将不同物种的reads比对到同一线性参考进行比较。 群体遗传学：在单参考框架下分析群体变异。 | 跨物种比较：构建跨物种的泛基因组图，进行更精确的进化分析。 等位基因特异性表达分析：更准确地量化不同等位基因的表达。 |
| 🏥 医学 (Medicine) | 常规临床诊断：对单基因病进行SNP/indel检测。 药物基因组学：检测与药物反应相关的已知变异。 | 罕见病诊断：显著提升对复杂SV的检测能力，帮助找到致病原因（诊断率提升可达10-40%）。 精准医学：整合群体遗传多样性，减少诊断偏差，尤其惠及代表性不足的人群。 癌症基因组学：更准确地检测肿瘤中的复杂结构变异。 |
💎 总结
S2S mapping 是基因组学研究的基础工具，适用于变异相对简单、以线性参考为标准的场景。而 S2G mapping 代表了未来的方向，它通过泛基因组图克服了参考偏差，在检测复杂结构变异、罕见病诊断和精准医学等要求高灵敏度和全面性的应用中展现出巨大优势。