DELFMUT:以双重测序为导向的深度估计模型,用于稳定检测低频突变

科学领域:

• 基因组学就是基因组学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 双重测序对于检测循环瘤DNA中的低频突变至关重要.
• 优化测序深度等实验参数仍然是稳定突变检测的挑战.

研究的目的:

• 开发一个模型来确定双重测序中的最佳实验参数.
• 确保使用双重测序技术稳定检测低频突变.

主要方法:

• 提出了用于稳定检测低频突变的深度估计模型 (DELFMUT).
• 模拟模板读取关系使用零截断负二项式分布.
• 用真实双重序列数据验证模型.

主要成果:

• DELFMUT有效地模拟了模板和读数之间的定量关系.
• 该模型使用实际的双重测序数据进行了验证.
• DELFMUT可以推DNA输入和测序深度组合,用于稳定突变检测.

结论:

• 在双重测序中,DELFMUT为指导实验参数设置提供了一个有价值的工具.
• 该模型提高了循环瘤DNA中低频突变检测的可靠性.
• 这种方法对癌症研究和诊断有重大影响.