在瘤突变负担计算中,压缩传感的应用是从重叠的聚合测序数据中计算的
Yue Cui1, Yi Qiao1, Rongming An1,2
1State Key Laboratory of Digital Medical Engineering, School of Biological Science and Medical Engineering, Southeast University, Nanjing, 210096, China.
BMC bioinformatics
|May 20, 2025
概括
这项研究引入了一种成本效益高的方法,用于计算瘤突变负担 (TMB),使用对聚合的测序数据的压缩传感. 这种方法显著降低了测序成本,同时保持了癌症免疫治疗预测突变检测的高准确性.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 癌症研究 癌症研究
背景情况:
- 瘤突变负担 (TMB) 是预测癌症免疫治疗反应的关键生物标志物.
- 目前的TMB评估方法是劳动密集型和昂贵的,因为大量的测序库准备.
- 准确的TMB分析对于个性化癌症治疗策略至关重要.
研究的目的:
- 开发一种成本效益高的方法,使用聚合的测序数据来计算TMB.
- 为了减少与TMB查相关的财务和劳动负担.
- 评估用于TMB分析的压缩传感的可行性和准确性.
主要方法:
- 采用压缩传感 (CS) 技术来分析重叠的聚合测序数据.
- 使用直角匹配追踪 (OMP) 和基本追踪 (BP) 算法进行TMB重建.
- 从聚合样本中评估基于CS的TMB计算的性能和准确性.
主要成果:
- 超过90%的单核酸多态 (SNPs) 可以在来自十个样本的数据中检测到,信息损失最小.
- 基本追踪 (BP) 算法在TMB重建方面表现一致.
- 通过将测序运行减少到总样本数的0.6倍,实现了测序成本的40%降低.
结论:
- 压缩传感能够从重叠的聚合序列数据中准确计算TMB,从而大大降低成本.
- 从最多10个样本的聚合测序数据进行SNP调用是可行的.
- 这项研究证实了CS策略在癌症研究中有效和经济地评估TMB的实用性.
