用SigProfilerAssignment分配突变特征给单个样本和单个体质突变
Marcos Díaz-Gay1,2,3, Raviteja Vangara1,2,3, Mark Barnes1,2,3
1Department of Cellular and Molecular Medicine, UC San Diego, La Jolla, CA 92093, United States.
Bioinformatics (Oxford, England)
|December 14, 2023
概括
SigProfilerAssignment准确地将突变特征分配给癌症基因组. 这种计算框架分析副本数签名和个体体质突变,优于现有方法.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 癌症研究 癌症研究
背景情况:
- 了解癌症基因组进化依赖于分析突变特征.
- 量化每个签名的活动对此分析至关重要.
研究的目的:
- 引入SigProfilerAssignment,这是一个用于分配突变签名的新型计算框架.
- 为了分析拷贝数签名和对个体体质突变的概率赋值.
主要方法:
- 使用用于稀疏回归的前进阶段式算法的自定义实现.
- 采用非负数最小平方来进行数值优化.
- 开发为桌面和在线工具.
主要成果:
- SigProfilerAssignment成功地将所有类型的突变特征分配给单个样本.
- 与四种常见方法相比,在分析2700个合成癌症基因组方面表现出优异的性能.
- 首个能够分析副本数签名并将签名分配给单个体质突变的工具.
结论:
- SigProfilerAssignment提供了一种强大而准确的方法,用于癌症基因组中的突变特征分析.
- 该框架增强了对塑造癌症演变的突变性过程的理解.
- 为癌症基因组学研究提供了有价值的工具,具有桌面和网络实现.
