Inferencia bayesiana para la heterogeneidad intra-tumoral del número de copias a partir de datos de secuenciación de...

Área de la Ciencia:

• La genómica
• Biología computacional
• Investigación del cáncer

Sus antecedentes:

• Las alteraciones del número de copias (CNA) son factores clave de la evolución y la heterogeneidad del tumor.
• La comprensión de la estructura clonal intra-tumoral en la resolución de una sola célula es vital para una terapia eficaz contra el cáncer.
• Los métodos existentes para el análisis clonal a menudo requieren la entrada manual de parámetros y el agrupamiento celular separado de la detección de CNA.

Objetivo del estudio:

• Desarrollar un modelo bayesiano automatizado para el agrupamiento celular simultáneo y el perfil de CNA en tumores.
• Identificar el número de clones tumorales distintos y sus eventos CNA asociados.
• Aprovechar los datos de secuenciación de ARN de una sola célula (scRNA-seq) para un análisis clonal integral intra-tumoral.

Principales métodos:

• Desarrolló un modelo bayesiano que integra la expresión génica y los datos de polimorfismo de un solo nucleótido de la línea germinal.
• Implementado un algoritmo de muestreo de Gibbs para la inferencia del modelo.
• Creó un paquete R llamado Chloris para la implementación y accesibilidad del método.

Principales resultados:

• El modelo desarrollado agrupa con precisión células individuales en clones tumorales distintos.
• Simultáneamente deduce los perfiles CNA para cada clon identificado.
• Demostró un rendimiento superior en comparación con las herramientas existentes tanto en el agrupamiento celular como en la precisión de identificación de CNA.
• Aplicado con éxito a los conjuntos de datos de melanoma metastásico humano y tumor de tiroides anaplásico.

Conclusiones:

• El modelo bayesiano proporciona un enfoque automatizado y preciso para diseccionar la arquitectura clonal del tumor.
• Revela diferencias de expresión génica funcional vinculadas a los perfiles de CNA en los clones de tumores.
• Este método avanza en la comprensión de la heterogeneidad intra-tumoral y tiene implicaciones para las estrategias personalizadas de tratamiento del cáncer.