相关实验视频
Updated: Jul 11, 2026
09:45
Detection of Copy Number Alterations Using Single Cell Sequencing
Published on: February 17, 2017
通过AtaCNA通过单细胞染色体测序数据检测副本数量的变化
Xiaochen Wang1, Zijie Jin2, Yang Shi3
1School of Mathematical Sciences, Peking University, Beijing 100871, China.
Cell reports methods
|January 15, 2025
概括
ATACNA从单细胞ATAC-seq数据中准确地检测出副本数量的变化,改善了癌症亚克隆的识别. 这种计算工具增强了对瘤遗传和表观遗传可塑性的理解.
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:
- 转化酶可访问的染色体测序 (scATAC-seq) 的单细胞检测分析了全基因组染色体的可访问性.
- 在单细胞研究中,拷贝数变化 (CNA) 对于识别正常细胞和瘤克隆至关重要.
- 从scATAC-seq数据中检测CNA是具有挑战性的,因为噪音,稀疏性和混因素.
研究的目的:
- 开发一个计算算法,AtaCNA,用于从scATAC-seq数据中准确的高分辨率CNA检测.
- 评估AtaCNA的性能与模拟和真实世界的数据集相比.
- 证明AtaCNA在区分恶性细胞和非恶性细胞以及识别癌症亚克隆中的实用性.
主要方法:
- 开发了AtaCNA计算算法的开发.
- 使用模拟数据进行AtaCNA的基准测试.
- 使用来自不同癌症类型的10个真实scATAC-seq数据集进行验证.
主要成果:
- ATACNA从scATAC-seq数据中准确地检测出高分辨率的CNA.
- 在多个数据集中,AtaCNA有效地区分恶性细胞和非恶性细胞.
- ATACNA在质母细胞瘤,子宫内膜和卵巢癌中确定了具有不同细胞状态和小规模CNA的独特癌症亚克隆.
结论:
- 在scATAC-seq数据中,AtaCNA提供了一种可靠的CNA检测方法.
- 该算法有助于理解癌症中遗传和表观遗传可塑性之间的相互作用.
- 高分辨率的CNA检测对于表征复杂瘤异质性至关重要.
