同基因特异性表达质量控制填补了转录组辅助罕见变异解释的关键差距

科学领域:

• 基因组学就是基因组学.
• 文字转录学 (Transcriptomics) 是一个学科.
• 生物信息学是一种生物信息学.

背景情况:

• 基因特异性表达 (ASE) 揭示了基因变异对转录的影响,但易受人工物影响.
• 高质量的数据对于准确的cis-regulatory效应分析至关重要.

研究的目的:

• 引入aseQC,一个统计框架来量化样本级别的ASE质量.
• 通过排除噪音样本来提高下游转录组分析的稳定性.

主要方法:

• 开发了一个统计框架 (aseQC) 来测量ASE数据的双项外变化.
• 将aseQC应用于数据集,包括罕见的门德尔肌肉疾病和GTEx项目数据.
• 评估了低质量的样本对罕见和常见变异分析的影响.

主要成果:

• aseQC在罕见疾病队列中确定了低质量的样本,证明了临床效用.
• 在GTEx数据中发现了563个低质量的样本,与加工日期相关,并表现出过度的等位基因失衡.
• 低质量的样本显著增加了ASE和拼接异常值,降低了罕见变体解释,但没有影响常见变体分析.

结论:

• aseQC提供了一种可靠的方法来评估转录组数据中的样本质量.
• 排除低质量的样本对于准确的罕见变异分析至关重要.
• aseQC提高了利用异位基因特异表达数据的基因组研究的可靠性.