使用隐藏的马尔科夫模型在适应性免疫受体谱系测序中检测PCR仿真体

科学领域:

• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.

背景情况:

• 适应性免疫受体谱序列 (AIRR-seq) 对于理解免疫反应和抗体发现至关重要.
• 在AIRR-seq中的聚合酶链反应 (PCR) 放大可以产生人造的化学序列.
• 现有的嵌合体检测工具并没有针对AIRR-seq数据的复杂性进行优化,例如体质突变.

研究的目的:

• 开发和验证一种用于检测 AIRR-seq 数据中化学序列的新方法.
• 专门解决免疫受体测序的独特挑战,包括体质突变和生殖系基因引用.
• 评估PCR条件对嵌合体形成的影响以及公布数据集中人工序列的流行程度.

主要方法:

• 开发CHMMAIRRa,这是一个针对AIRR-seq数据量身定制的隐藏马尔科夫模型.
• 在CHMMAIRRa模型中纳入体质突变 (SHM) 建模和生殖系参考序列.
• 使用模拟进行性能评估,与现有方法进行比较,使用IgM库进行实验验证,并应用于公共AIRR-seq数据集.

主要成果:

• 在 AIRR-seq 数据中,CHMMAIRRa 能够有效地检测出嵌合体序列.
• 该模型的性能通过模拟进行了表征,并与其他测序领域的方法进行了有利比较.
• 分析揭示了在实验和发表的AIRR-seq数据集中,受PCR条件影响的人工混沌的程度和影响.

结论:

• CHMMAIRRa提供了一种专门且有效的解决方案,用于在AIRR-seq数据中识别嵌合序列.
• 准确的嵌合体检测对于可靠的免疫谱的分析至关重要,特别是在免疫和疾病的研究中.
• 开发的工具提高了AIRR-seq数据的质量和可解释性,推进了免疫学和抗体发现等领域.