ABOUT THIS ENTRY
关于 CNVkit
从靶向测序、外显子组或全基因组测序数据推断并可视化拷贝数变异的开源 Python 工具包。它面向“从肿瘤或生殖系测序数据估计拷贝数变化”这一类科研任务，可通过Python、Linux、macOS、Docker、Galaxy使用。本站将其归入生物与医学，相关能力标签包括拷贝数变异、测序分析。
适合从已比对的肿瘤、正常或生殖系 BAM 文件构建靶区与非靶区覆盖度，使用匹配的正常样本池或平坦参考进行偏差校正、分段、调用和可视化。应保存捕获区域、参考基因组、正常样本选择、纯度与倍性假设、分段方法、软件版本和全部中间文件，并用独立方法验证关键拷贝数事件。
CNVkit 适合哪些科研任务？
- 从靶向或外显子测序估计拷贝数变化
- 结合等位基因频率分析分段与拷贝数
- 生成散点图、染色体图和表格结果
选择与使用建议
建议先用不含敏感信息的小型任务试用，检查输出是否可追溯、能否导出，以及是否适合你所在团队的工作流。涉及论文结论、统计分析或专业模型时，应保留原始来源、参数和人工复核记录。
- 测序平台、捕获试剂、正常参考、肿瘤纯度和倍性都会影响绝对拷贝数解释，平坦参考通常不如匹配正常样本可靠
- 分段和调用结果是统计估计，不等于已验证的临床变异；低覆盖、污染、亚克隆性和批次效应可能产生假阳性或掩盖真实事件
拷贝数变异测序分析
最后核验：2026-09-17
资料来源：官方来源 ↗
工具功能、价格与政策可能变化，请以官方页面为准。