一个基于共识的分类工作流程,以从患有固体瘤的患者的综合基因组分析中确定遗传推断的祖先
Zachary D Wallen1, Mary K Nesline1, Sarabjot Pabla1
1Medical Oncology, Labcorp Oncology, 6 Moore Dr., Durham, NC 27560, United States.
Briefings in bioinformatics
|October 29, 2024
概括
这项研究开发了一种新方法,可以从瘤DNA中准确推断基因祖先,克服传统种族和种族数据的局限性. 这种方法提高了癌症研究的包容性和针对不同患者群体的精准医学.
科学领域:
- 基因组学就是基因组学.
- 人口遗传学 人口遗传学
- 癌症研究 癌症研究
背景情况:
- 已知与自我认同的种族和种族 (SIRE) 相关的癌症护理差异,但SIRE数据在临床研究中经常缺失.
- 瘤DNA的综合基因组分析 (CGP) 提供了一种使用单核酸多态 (SNP) 推断遗传祖先的方法,但目前的方法面临挑战.
- 从CGP推断基因祖先的现有工作流需要提高准确性和更广泛的适用性.
研究的目的:
- 开发和验证一个强大的工作流程,从CGP测序数据中获得准确的遗传推断祖先 (GIA).
- 改善癌症患者遗传祖先的推断,特别是那些缺失或模两可的SIRE患者.
- 为了使祖先意识到生物标志物研究,并加强在精准医学中纳入多样化的人口.
主要方法:
- 利用了来自4274名参考患者的基因组数据和来自491名患有SIRE的癌症患者的CGP数据.
- 开发了一种基于共识的分类方法,使用覆盖八个世界人口的扩展参考数据集.
- 验证了准确的GIA调用与SIRE和参考群体的工作流.
主要成果:
- 开发的工作流实现了基因推断祖先 (GIA) 和自我认同的种族和种族 (SIRE) 之间的高一致性 (95%).
- GIA的调用与推断祖先的既定参考种群保持一致.
- 工作流成功地确定了缺乏适当种族类别的患者的祖先,检测了混合祖先,并在异质或缺失的SIRE病例中解决了祖先.
结论:
- 从CGP获得准确的GIA是可行的,并且在癌症研究中比传统的SIRE数据提供了显著的优势.
- 这种方法可以通过提供详细的祖先信息来帮助解决当前临床研究的局限性.
- 改进的GIA通过确保在临床试验和生物标志物研究中多样化的患者代表,支持公平获得精准医学.
