相关实验视频
Updated: Jun 11, 2025
09:45
Detection of Copy Number Alterations Using Single Cell Sequencing
Published on: February 17, 2017
11.6K
基于浅层全基因组测序的临床可行算法,并行检测结质瘤相关的副本数变异标记物
Shuai Wu1,2,3, Chenyu Ma4, Jiawei Cai5
1Department of Neurosurgery, Huashan Hospital, Shanghai Medical College, Fudan University, Shanghai, PR China.
The journal of pathology. Clinical research
|October 8, 2024
概括
这项研究提出了一种新方法,用于检测成年扩散性结质瘤中的副本数变异 (CNVs),使用浅层全基因组测序. 最优化的方法使关键的CNV标志物的并行分类成为可能,改善了质瘤的诊断和亚型.
科学领域:
- 基因组学和分子诊断的研究.
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 副本数变异 (CNV) 标志物,包括手臂水平 (1p/19q编码切除,+7/10签名) 和基因水平 (EGFR基因放大,CDKN2A/B同胞性切除) 变化,是成年扩散性结质瘤的诊断范式的组成部分.
- 浅层全基因组测序 (sWGS) 是一种成本效益高的CNV检测方法,但其用于并行检测多个结质瘤相关的CNV标志物的临床应用需要优化.
研究的目的:
- 开发和验证一种基于模型的方法,用于使用单个浅层全基因组测序测试来分类质瘤相关诊断标记的CNV状态.
- 优化对成年扩散性结质瘤中关键 CNV 标记物的并行检测,以提高临床效用.
主要方法:
- 实施了基于模型的分析,以估计副本比率波动水平,从而使CNV状态在没有正常控制的情况下进行独立分类.
- 评估和推了对每个标志物的强大分类所需的最小瘤分数 (TF) 要求.
- 该算法使用浅层全基因组测序数据进行了测试,测序深度和瘤分数各不相同.
主要成果:
- 开发的算法实现了高灵敏度和特异性 (≥99.5%) 检测手臂水平的CNV在1×测序深度和0.05TF.
- 确定了特定的TF极限 (0.15对于EGFR放大,0.45对于CDKN2A/B删除),以确保基因水平CNVs的评估指标高于97%.
- 将算法应用于独立队列证实了预期的样本分布和预后分层模式.
结论:
- 已经建立了一个临床适用的算法,用于平行分类质瘤相关标记的CNV状态.
- 这种方法增强了sWGS在成人扩散质瘤的诊断实用性,因为它可以对多个CNV标志物进行可靠的同时检测.
- 这些发现支持将该算法集成到常规临床实践中,以改善质瘤亚型和分级.
