在单细胞分辨率下对体变异进行全基因组分析的协议,使用初级模板定向DNA放大
Lucca L M Derks1, Anaïs J C N van Leeuwen1, Alexander S Steemers1
1Princess Máxima Center for Pediatric Oncology, Utrecht 3584 CS, the Netherlands; Oncode Institute, Utrecht 3521 AL, the Netherlands.
STAR protocols
|December 22, 2024
概括
本研究提出了一种工作流程,用于分析单细胞体突变,使用初级模板定向放大 (PTA) 和机器学习工具 (PTATO) 来准确地区分真实突变和工件.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 单个细胞中的体质突变为老化和癌症提供了洞察力.
- 全基因组放大 (WGA) 是必不可少的,但引入了人工变异.
- 从WGA文物中区分真正的突变是一个重大挑战.
研究的目的:
- 描述单细胞体突变分析的综合工作流程.
- 引入一个机器学习工具来过WGA诱导的文物.
- 为了能够高灵敏度和高准确度检测真实体质突变.
主要方法:
- 单细胞分离和全基因组放大 (WGA) 使用初级模板定向放大 (PTA).
- 高通量测序和严格的质量控制.
- 开发和应用PTA分析工具包 (PTATO) 用于变异过.
主要成果:
- 描述的工作流允许对单细胞体质突变进行详细分析.
- PTATO有效地过了数百到数千个由WGA引起的人工变异.
- 在区分真实突变和人工制造物方面,获得了高度的灵敏度和准确性.
结论:
- 这个工作流和PTATO工具为单细胞体质突变分析提供了一个强大的方法.
- 准确识别体质突变对于理解衰老和致癌至关重要.
- 这种方法有助于更深入地了解细胞突变过程.
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
13:24Integration of Wet and Dry Bench Processes Optimizes Targeted Next-generation Sequencing of Low-quality and Low-quantity Tumor Biopsies
Published on: April 11, 2016
11.8K
