在高质量的长时间读取的单细胞RNA测序数据中对体变异的新检测
Arthur Dondi1,2, Nico Borgsmüller1,2, Pedro F Ferreira1,2
1ETH Zurich, Department of Biosystems Science and Engineering, Schanzenstrasse 44, 4056 Basel, Switzerland.
bioRxiv : the preprint server for biology
|March 18, 2024
概括
LongSom是一个新的计算工具,它分析了长时间读取的单细胞RNA测序数据,以识别遗传变异,重建瘤克隆异质性,并预测治疗结果而不需要正常样本.
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:
- 癌症的特点是遗传和转录基因变异,导致克隆异质性和治疗耐药性.
- 长读单细胞RNA测序 (LR scRNA-seq) 提供了同时检测遗传和转录组变异的潜力.
- 了解瘤进化和异质性对于开发有效的癌症疗法至关重要.
研究的目的:
- 介绍LongSom,用于分析LR scRNA-seq数据的计算工作流.
- 为了能够*de novo*检测体质单核酸变体 (SNV),线粒体SNV (mtSNV),拷贝数改变 (CNA) 和基因融合.
- 为了重建瘤克隆异质性,并评估潜在的治疗结果.
主要方法:
- 长Som使用高质量的LR scRNA-seq数据进行变异调用.
- 工作流包括在变异调用之前根据突变配置文件重新注释细胞类型.
- 严格的过和统计测试用于区分体质SNV与噪声和生殖系多态.
主要成果:
- LongSom成功地在人类卵巢癌样本中确定了临床相关的体质SNV,并与匹配的DNA进行了验证.
- 工作流检测了基因融合,并重建了瘤克隆异质性.
- 分析揭示了基于已识别的SNV和融合,具有明显预测治疗结果的子克隆.
结论:
- 长Som可以从LR scRNA-seq数据中*de novo*检测体变异,而不需要正常样本.
- 这种方法有助于研究癌症进化,克隆异质性和治疗耐药性.
- 长Som为推进精确瘤学和理解复杂瘤生物学提供了强大的工具.
