単細胞RNAシーケンシングデータからの複製数の腫瘍内異質性に対するベイジアン推論

科学分野:

• ゲノミクス
• コンピュータ生物学
• 癌 研究

背景:

• コピー数変化 (CNA) は腫瘍の進化と異質性の主要な要因である.
• 一細胞解像度における腫瘍内クローン構造を理解することは,効果的ながん治療に不可欠です.
• クローン分析の既存の方法は,しばしば手動のパラメータ入力とCNA検出から分離した細胞クラスタリングを必要とします.

研究 の 目的:

• 腫瘍における同時細胞クラスタリングとCNAプロファイルのための自動化されたベイジアンモデルを開発する.
• 異なる腫瘍クローンの数とその関連するCNAイベントを特定する.
• 単細胞RNAシーケンシング (scRNA-seq) データを活用して,腫瘍内クローン分析を行う.

主な方法:

• ゲノム発現と生殖系単核型ポリモルフィズムデータを統合したベイジアンモデルを開発した.
• モデル推論のためのギブスのサンプリングアルゴリズムを実装した.
• 方法の実装とアクセシビリティのための Chloris という R パッケージを作成しました.

主要な成果:

• 開発されたモデルは 単細胞を正確に 異なる腫瘍のクローンに クラスタリングします
• 確認されたクローンごとに同時にCNAプロフィールを推測します.
• 細胞クラスタリングとCNA識別の精度の両方において,既存のツールと比較して優れたパフォーマンスを示した.
• ヒトの転移性メラノーマと アナプラスティック甲状腺腫瘍のデータセットに適用されました.

結論:

• ベイジアンモデルは,腫瘍のクローン構造の解剖に自動的かつ正確なアプローチを提供します.
• 腫瘍クローン間のCNAプロファイルに関連した機能的な遺伝子発現の違いを明らかにした.
• この方法は,腫瘍内異質性の理解を進めており,パーソナライズされたがん治療戦略にも影響を及ぼします.