CINner:在单细胞分辨率下对癌症染色体不稳定性的建模和模拟

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 数学生物学 数学生物学

背景情况:

• 染色体不稳定性 (CIN) 是癌症的标志,涉及各种基因组变化.
• 现有的数学模型在捕捉CIN的全谱及其对瘤演变的影响方面存在局限性.
• 了解不同突变过程的相互作用对于评估瘤进展至关重要.

研究的目的:

• 介绍CINner,这是一个灵活的数学框架,用于在瘤进化过程中建模基因组多样性和选择.
• 将各种基因组事件,包括拷贝数变化 (CNA) 和全基因组重复 (WGD) 纳入统一模型.
• 分析驱动瘤发生的选择性压力及其与CIN和WGD的关系.

主要方法:

• 开发了CINner,这是一种用于建模癌症基因组进化的新数学框架.
• 应用CINner来分析来自全基因组癌症分析 (PCAWG) 和癌症基因组图谱 (TCGA) 的数据.
• 模拟染色体臂选择,驱动基因突变,CNA和WGD,以评估它们对瘤进展的影响.

主要成果:

• 根据选择参数,CINner成功预测了染色体不稳定的瘤中的WGD流行率.
• 推断选择参数反映了基因组区域内的瘤基因和瘤抑制基因分布的偏差.
• 该框架揭示了与WGD相关的CNA概率增加,并分析了各种因素对癌症适应性和异质性的影响.

结论:

• CINner提供了一种强大而灵活的工具,用于量化基因组改变对瘤进化的影响.
• 该框架有助于理解WGD和形积分症耐受性所带来的选择性优势.
• CINner可以应用于染色体不稳定和稳定的癌症,为癌症研究提供广泛的实用性.