Illumina 是基因定序領域重要的領導者之一，一直以來與客戶攜手促進檢測與分析技術的更新演進，將兩種 illumina 開發之融合基因分析工具分享給大家:
透過 DRAGEN 的加速技術，大幅減少 RNAseq 分析所需的時間，相較其他分析方式，以更佳的效率得到 RNA 表達的分析結果。除了分析 RNAseq 表達外，也會檢查 BAM 檔中是否有融合基因的證據。此分析工具建置於 illumina 的雲端平台 BaseSpace Sequence Hub 中，點選式的操作介面讓使用更加便利。
Manta (Structural Variant Caller)
由 illumina 所開發，針對結構變異及融合基因檢測的開源演算法。
BaseSpace Sequence Hub
操作容易的點選式介面，讓使用者可以快速上手。除了高速且精準的 DRAGEN 演算法外，還有多種類分析工具，滿足用戶不同的分析需求及應用方向。
此外方便的檔案輸出及分享功能，可以有效地提升工作效率。
Input Files
FASTQ.
人類樣本可直接載入進行分析，不需要額外檔案
若非人物種則需要參考序列及註解資料
Output Files
BAM/CRAM format
Multi-QC Report
SJ.out.tab
高信度的 Splice 及 Junction 區域
quant.sf
定量結果
Gene Fusion
融合基因
融合基因檔案截圖
樣品報告截圖
開源工具: Manta
Manta 是 illumina 開發用於解決結構變異的工具 Github原始碼 可以分析 WGS/WES/Panel 定序並接受單樣本/多樣本/腫瘤成對樣本 Manta 特點是消耗資源小及速度快，可以在普通 PC 上完成，很適合桌邊定序儀的小通量計算。其演算法是基於 BAM 檔上 junction reads 證據，junction reads 越多證據，融合基因分析結果的可信度越高。
BAM 檔來源為 BWA/STAR 工具，這些演算法可以允許多個位置結果，也允許 chrimeric reads。因此我們看到下圖 BAM 檔中有些 reads 是不同顏色，這些 reads 另一端在不同染色體上，這些橫跨不同染色體的 reads 就是融合基因證據。
Manta 計算融合基因的證據並進行評分，結果為 VCF 檔，截圖如下:
參考指令:
bwa mem genome.fa reads.fastq | samtools sort -o output.bam
samtools index output.bam
./configManta.py --bam output.bam --referenceFasta genome.fa --runDir ./result
./result/runWorkflow.py -m local
若希望知道融合基因種類，則需要進一步對 VCF 檔案註解。
如果用戶選擇用 Local Run Manager 分析 fusion gene panel，此方式即為藉由 STAR+Manta 的組合進行分析，如此的組合可以將硬體的運算資源做最有效益的發揮。
如果對融合基因分析有興趣，歡迎與我們一起討論。