相关实验视频
Updated: Jan 17, 2026
09:45
Detection of Copy Number Alterations Using Single Cell Sequencing
Published on: February 17, 2017
12.1K
CCNV:一个用户友好的R包,可以对DNA甲基化数据进行大规模的累积拷贝数变异分析
Antonia Gocke1,2,3, Yannis Schumann4, Jelena Navolić1,3
1Center for Molecular Neurobiology Hamburg (ZMNH), University Medical Center Hamburg-Eppendorf, Hamburg, Germany.
BMC bioinformatics
|September 23, 2025
概括
本研究介绍了用于增强拷贝数变化 (CNV) 分析的累积CNV (CCNV) R包. CCNV从DNA甲基化数据中提供更快,更准确的累积CNV图谱,改善瘤诊断.
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:
- 来自DNA甲基化数据的拷贝数变异 (CNV) 分析有助于瘤诊断.
- 目前的方法在大样本大小的可扩展性方面扎,缺乏全面的可视化.
- 现有的工作流主要分析单个样本,只关注偏差频率图.
研究的目的:
- 开发一个可扩展和可访问的R包,用于分析累积副本数量的变化.
- 通过整合频率和强度图表来增强CNV分析.
- 引入新的算法,以在大型数据集中有效检测CNV.
主要方法:
- 累计CNV (CCNV) R套餐的发展.
- 集成已建立的细分方法与新的算法.
- 对DNA甲基化数据的惩罚最小平方回归的应用.
- 创建一个新的绩效评估对比方法.
主要成果:
- CCNV R套件提供快速而准确的CNV分析.
- 它提供了CNV频率和强度图表,以便更好地解释.
- 在各种数组类型的计算时间和准确性方面,CCNV的性能优于现有的工具.
- 在模拟和现实数据上使用新的基准分析方法进行验证.
结论:
- CCNV是一个用户友好的R包,用于快速准确地生成累积副本数变异图.
- 该套件通过增强的CNV分析,促进了瘤诊断和分类的改进.
- 它解决了处理大规模基因组数据的现有工作流程的局限性.
