診断のためのシーケンシングデータの視覚検査:統合的ゲノミクスビューア (IGV) を使用した構造変異分析の実践ガイド
Benjamin Ganne1,2, Clément Hersent3, Vincent Gatinois3,4
1Unit of Chromosomal Genetics and Research Platform Chromostem, Department of Molecular Genetics and Cytogenomics , Site Unique de Biologie (SUB), Montpellier CHU, Montpellier, France. benjamin.ganne@chu-montpellier.fr.
Methods in molecular biology (Clifton, N.J.)
|August 30, 2025
まとめ
このガイドは,IGVを使用して次世代シーケンシング (NGS) データから構造変数 (SV) を解釈する方法を説明します. 臨床ゲノム学における 診断の精度を向上させるため 真のSVを人工物から区別するのに役立ちます
科学分野:
- ゲノミクス
- バイオ情報学
- 臨床診断
背景:
- 次世代配列解析 (NGS) は 臨床ゲノミクスを変えました
- 構造変異 (SV) は染色体症などの疾患において極めて重要です.
- 患者のケアには 精密なSVの解釈が不可欠です
研究 の 目的:
- NGSデータから SV を解釈するためのガイドを提供すること.
- IGVを用いてSVの真実性を評価する方法を詳細に説明する.
- 本物のSVと 配列のアーティファクトを区別するために
主な方法:
- 統合的ゲノミクスビューア (IGV) を SV分析に使用する.
- SVの解釈のための具体的なステップを実行します.
- SV呼び出しを検証するテクニックを適用します.
主要な成果:
- SVの真実性を評価するための確立された方法
- 本物のSVとアーティファクトを区別する基準を提示した.
- IGVを用いた有効な SV 解釈を証明した.
結論:
- NGSで得られたSVデータを効果的に解釈することで,診断の正確性が向上します.
- このガイドは,臨床医や研究者が SV分析に役立つものです.
- 改善されたSVの解釈により 患者の治療結果が改善されます
さらに関連する動画
11:35Screening for Functional Non-coding Genetic Variants Using Electrophoretic Mobility Shift Assay EMSA and DNA-affinity Precipitation Assay DAPA
Published on: August 21, 2016
13.1K
09:37Navigating MARRVEL, a Web-Based Tool that Integrates Human Genomics and Model Organism Genetics Information
Published on: August 15, 2019
9.9K
