MitoTracer促进了信息性线粒体突变的识别,用于精确的血统重建

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 分子生物学分子生物学

背景情况:

• 线粒体 (MT) 突变是推断细胞克隆关系的有价值的遗传标记.
• 信息性MT突变的自动识别仍然是谱系追踪的一个挑战.
• 单细胞测序技术产生大型数据集,需要强大的分析工具.

研究的目的:

• 介绍MitoTracer,一个开源计算算法,用于准确识别克隆信息型MT突变.
• 为了从单细胞RNA测序 (scRNA-seq) 和单细胞ATAC测序 (scATAC-seq) 数据中进行强大的血统推断.
• 为探索细胞进化和识别与治疗抵抗相关的基因提供一个工具.

主要方法:

• 开发用于自动检测MT突变的MitoTracer算法.
• 基准测试MitoTracer与实地真实实验血统测序数据的比较.
• 使用灵敏度和特异性指标验证MitoTracer的性能.
• 应用MitoTracer对来自BRAF突变癌细胞的scRNA-seq数据.

主要成果:

• MitoTracer能够准确地识别出具有克隆信息性的MT突变.
• 与现有方法相比,该算法显示出更高的灵敏度和特异性.
• MitoTracer与各种单细胞测序平台的数据兼容.
• 对癌症进化数据集的分析揭示了与BRAF抑制剂耐药性相关的基因.

结论:

• MitoTracer是捕获信息MT突变和追踪细胞系的一个有价值的工具.
• 该算法有助于更深入地了解生物系统中的克隆进化.
• MitoTracer有助于识别与癌症药物耐药性相关的遗传标记物.