一个全面的工具对比适合突变签名的工具
Matúš Medo1,2, Charlotte K Y Ng3,4, Michaela Medová5,3
1Department of Radiation Oncology, Inselspital, Bern University Hospital, University of Bern, Bern, Switzerland. matus.medo@unibe.ch.
Nature communications
|November 2, 2024
概括
这项研究对适应癌症突变特征的工具进行了基准测试. SigProfilerSingleSample和SigProfilerAssignment/MuSiCal表现最好,突出了现实数据中缺少签名的挑战.
科学领域:
- 基因组学就是基因组学.
- 癌症生物学 癌症生物学
- 生物信息学是一种生物信息学.
背景情况:
- 突变特征将基因组模式与癌症过程联系起来.
- 了解这些特征有助于瘤的演变,预后和治疗.
- 对于 de novo 签名提取的工具进行了基准测试,但签名拟合工具缺乏全面的评估.
研究的目的:
- 为了全面评估十二个签名配套工具.
- 评估合成和真实突变目录上的工具性能.
- 为了确定最优的工具,适合已知的突变签名.
主要方法:
- 为八种癌症类型开发了合成突变目录,具有经验驱动的签名权重.
- 使用这些合成目录,评估了12个签名装配工具.
- 在真实突变目录上评估工具性能.
主要成果:
- SigProfilerSingleSample在具有较少突变的样本中表现最好.
- 在具有更多突变的样本中,SigProfilerAssignment/MuSiCal表现最好.
- 限制参考签名导致了较差的结果,参考目录中缺少签名对所有工具构成了重大挑战.
结论:
- 根据突变负载推使用SigProfilerSingleSample和SigProfilerAssignment/MuSiCal进行签名拟合.
- 应避免临时签名列表的约束.
- 在真实癌症数据中存在未分类的签名仍然是当前工具面临的挑战.
更多相关视频
11:02Detecting Somatic Genetic Alterations in Tumor Specimens by Exon Capture and Massively Parallel Sequencing
Published on: October 18, 2013
19.4K
04:58Author Spotlight: Investigating the Role of Repetitive DNA Misregulation in Cancer Initiation and Immunotherapy Resistance
Published on: December 13, 2024
2.2K
