Purpose: Current diagnostic testing for genetic disorders involves serial use of specialized assays spanning multiple technologies. In principle, whole genome sequencing (WGS) has the potential to detect all genomic mutation types on a single platform and workflow. Here we sought to evaluate copy number variant (CNV) calling as part of a clinically accredited WGS test. Methods: Using a depth-based copy number caller we performed analytical validation of CNV calling on a reference panel of 17 samples, compared the sensitivity of WGS-based variants to those from a clinical microarray, and set a bound on precision using orthogonal technologies. We developed a protocol for family-based analysis, annotation, filtering, visualization of WGS based CNV calls, and deployed this across a clinical cohort of 79 rare and undiagnosed cases. Results: We found that CNV calls from WGS are at least as sensitive as those from microarrays, while only creating a modest increase in the number of variants interpreted (~10 CNVs per case). We identified clinically significant CNVs in 15% of the first 79 cases analyzed. This pipeline also enabled identification of cases of uniparental disomy (UPD) and a 50% mosaic trisomy 14. Directed analysis of some CNVs enabled break-point level resolution of genomic rearrangements and phasing of de-novo CNVs. Conclusion: Robust identification of CNVs by WGS is possible within a clinical testing environment, and further developments will bring improvements in resolution of smaller and more complex CNVs.

Motivation: Increased throughput and diverse experimental designs of large-scale sequencing studies necessi-tate versatile, scalable and robust variant calling tools. In particular, identification of copy number changes re-mains a challenging task due to their complexity, susceptibility to sequencing biases, variation in coverage data and dependence on genome-wide sample properties, such as tumor polyploidy or polyclonality in cancer samples. Results: We have developed a new tool, Canvas, for identification of copy number changes from diverse se-quencing experiments including whole-genome matched tumor-normal and single-sample normal re-sequencing, as well as whole-exome matched and unmatched tumor-normal studies. In addition to variant calling, Canvas infers genome-wide parameters such as cancer ploidy, purity and heterogeneity. It provides fast and simple to execute workflows that can scale to thousands of samples and can be easily incorporated into existing variant calling pipelines. Availability: Canvas is distributed under an open source license and can be downloaded from https://github.com/Illumina/canvas.

Motivation: Whole genome sequencing is becoming a diagnostics of choice for the identification of rare inherited and de novo copy number variants in families with various pediatric and late-onset genetic diseases. However, joint variant calling in pedigrees is hampered by the complexity of consensus breakpoint alignment across samples within an arbitrary pedigree structure. Results: We have developed a new tool, Canvas SPW, for the identification of inherited and de novo copy number variants from pedigree sequencing data. Canvas SPW supports a number of family structures and provides a wide range of scoring and filtering options to automate and streamline identification of de novo variants. Availability: Canvas SPW is available for download from https://github.com/Illumina/canvas.

The abundance of Lp(a) protein holds significant implications for the risk of cardiovascular disease (CVD), which is directly impacted by the copy number (CN) of KIV-2, a 5.5 kbp sub-region. KIV-2 is highly polymorphic in the population and accurate analysis is challenging. In this study, we present the DRAGEN KIV-2 CN caller, which utilizes short reads. Data across 166 WGS show that the caller has high accuracy, compared to optical mapping and can further phase ~50% of the samples. We compared KIV-2 CN numbers to 24 previously postulated KIV-2 relevant SNVs, revealing that many are ineffective predictors of KIV-2 copy number. Population studies, including USA-based cohorts, showed distinct KIV-2 CN, distributions for European-, African-, and Hispanic-American populations and further underscored the limitations of SNV predictors. We demonstrate that the CN estimates correlate significantly with the available Lp(a) protein levels and that phasing is highly important.