在高通量单细胞剖析数据集中体质突变的新发现
Francesc Muyas1, Carolin M Sauer1, Jose Espejo Valle-Inclán1
1European Molecular Biology Laboratory, European Bioinformatics Institute, Hinxton, Cambridge, UK.
Nature biotechnology
|July 6, 2023
概括
使用转录组和ATAC-seq数据,SComatic可以准确地检测单细胞中的体突变,在没有DNA测序的情况下推进癌症进化和克隆异质性研究.
科学领域:
- 基因组学就是基因组学.
- 癌症生物学 癌症生物学
- 生物信息学是一种生物信息学.
背景情况:
- 在单细胞分辨率下对体性突变的表征对于理解癌症进化,克隆马赛克和细胞可塑性至关重要.
- 现有的方法通常需要匹配的DNA测序,限制了复杂生物系统中的应用.
研究的目的:
- 介绍SComatic,一种用于直接从单细胞RNA-seq (scRNA-seq) 和单细胞ATAC-seq (scATAC-seq) 数据中检测体突变的新型算法.
- 为了实现突变检测而不需要匹配的批量或单细胞DNA测序.
主要方法:
- SComatic使用过器和统计测试,对非新生体样本进行参数化,以区分体变异与多态,RNA编辑和文物.
- 该算法应用于688个scRNA-seq和scATAC-seq数据集中的超过260万个单细胞,包括癌症和非新生病样本.
主要成果:
- SComatic能够准确地检测单细胞突变,即使是在多克隆组织的分化细胞中,这对现有方法来说是具有挑战性的.
- 通过对匹配的基因组测序和scRNA-seq数据进行验证,SComatic获得了0.60.7的F1得分,明显优于其他方法 (0.20.4).
结论:
- 在单细胞分辨率下,SComatic提供了一个强大的工具,用于 de novo 突变特征分析.
- 该算法有助于研究癌症和其他生物环境中的克隆异质性和突变负担.


