bamSliceR:用于快速,交叉队列变异和等位基偏差分析的生物导体包

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 该NCI基因组数据共享 (GDC) 为遗传变异研究提供了大量的测序数据.
• 分析变体的原始测序数据是计算密集型的,需要专业知识.
• 现有的工具可能无法有效处理交叉队列分析或转录意识的变体注释.

研究的目的:

• 开发一套高效的R/生物导体包,用于分析来自GDC的基因组和转录组数据.
• 为了使人口规模变异分析能够减少计算负担.
• 在特定的癌症队列中识别临床相关的序列和结构变异.

主要方法:

• 开发了bamSliceR,这是一个基于现有工具构建的R/生物导体包.
• 利用bamSliceR从跨GDC元群中提取对齐的序列读取.
• 使用GDCRNA数据进行了向变异分析和转录意识注释.
• 在非GDC Leucegene队列中的验证结果.

主要成果:

• 在TARGET AML和BEAT-AML队列中确定了反复出现的,临床相关的序列和结构变异.
• 以最小的计算成本证明了人口规模的基因组和转录组分析.
• 在独立的Leucegene队列中成功复制了发现,展示了管道的多功能性.
• 产生了临床影响力和生物学可测试的假设,用于进一步研究.

结论:

• bamSliceR为大规模的基因组和转录基因组数据分析提供了高效的解决方案.
• 该套件有助于在不同队列中发现临床相关的遗传变异.
• 从bamSliceR分析的发现可以产生可测试的疾病机制和治疗策略的假设.