可复制生物信息学分析工作流程用于检测B细胞急性淋巴细胞白血病患者中的IGH基因融合
Ashlee J Thomson1,2, Jacqueline A Rehn1,2, Susan L Heatley1,2,3
1Faculty of Health and Medical Sciences, University of Adelaide, Adelaide, SA 5005, Australia.
Cancers
|October 14, 2023
概括
在B细胞急性淋巴细胞白血病 (B-ALL) 中优化基因融合检测可以更好地识别高风险亚型. 改进的STAR-Fusion参数显著提高了难以检测的免疫球蛋白重链 (IGH) 基因融合的检测率.
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.
- 在瘤学瘤学.
背景情况:
- B细胞急性淋巴细胞白血病 (B-ALL) 呈现出多种基因组变异,经常涉及通过mRNA测序识别的基因融合.
- 在免疫球蛋白重链 (IGH) 位点检测基因融合是具有挑战性的,因为它们的超变性和计算需求.
研究的目的:
- 优化基因融合调用工作流程,以提高检测IGH基因融合的灵敏度.
- 评估和提高标准基因融合调用器在B-ALL.复杂的基因组重组的性能.
主要方法:
- 开发一个简化的Nextflow工作流程,集成FusionCatcher,Arriba和STAR-Fusion算法.
- 分析了35个B-ALL患者样本,其中已知IGH融合 (IGH::CRLF2,IGH::DUX4,IGH::EPOR).
- 系统优化STAR-Fusion参数,专注于过标准,如读取支持和每百万读数的融合碎片.
主要成果:
- 对于IGH合并,FusionCatcher和Arriba的初始检测率高 (85-89%).
- 最初,STAR-Fusion仅报告了29%的IGH合并,这是由于严格的默认过.
- 优化的STAR-Fusion参数实现了94%的IGH融合检测率,显著提高了灵敏度.
结论:
- 过参数的优化对于在B-ALL.中敏感检测IGH基因融合至关重要.
- 精细的STAR-Fusion工作流提供了一种改进的方法来识别具有难以检测的基因融合的高风险B-ALL亚型.
- 这项工作为白血病基因组学研究中的计算策略提供了宝贵的见解.
