一个全面的性能评估,比较和计算方法的集成,用于检测和估计在癌症下一代测序分析分析中人类样品的交叉污染

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.
• 癌症研究 癌症研究

背景情况:

• 交叉样本污染是下一代测序 (NGS) 试验的关键挑战,特别影响瘤样本中的体质变异检测.
• 现有的污染识别计算工具对于NGS质量控制至关重要,但缺乏癌症基因组学方面的全面比较评估.

研究的目的:

• 系统地调查和比较最先进的计算方法来检测癌症NGS数据中的交叉样本污染.
• 用in silico和模拟的NGS数据评估领先的污染检测工具的性能.
• 开发一种工具来识别交叉样本污染的来源.

主要方法:

• 研究了九种用于交叉样本污染检测的计算方法.
• 通过对in silico和模拟NGS数据进行定性和定量分析,比较了五种代表性工具的性能.
• 开发了一个Python脚本,污染源预测器 (ConSPr),基于Conpair工具.

主要成果:

• 在确定污染和预测其水平在固体瘤NGS分析中,Conpair表现出卓越的性能.
• 该研究提供了对现有的污染检测工具的全面评估.
• 开发的ConSPr工具有效地识别了污染源.

结论:

• 修复是一种非常有效的工具,用于检测和量化癌症NGS的交叉样本污染.
• ConSPr 工具为确定污染源提供了一个有价值的解决方案.
• 这项工作将帮助研究人员选择合适的工具,并激发未来污染检测和NGS数据源预测方面的发展.