在适应性免疫受体谱系序列中检测PCR仿真体
Mark Chernyshev1, Aron Stålmarck1, Martin Corcoran1
1Department of Microbiology, Tumor and Cell Biology, Karolinska Institutet, Stockholm, 171 77, Sweden.
Bioinformatics (Oxford, England)
|October 22, 2025
概括
一个新的隐藏的马尔科夫模型,CHMMAIRRa,检测了适应性免疫受体列表 (AIRR-seq) 数据中的仿真序列. 这种方法解释了体质突变和生殖系参考,提高了免疫谱系分析的准确性.
科学领域:
- 免疫基因组学是什么
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 适应性免疫受体谱序列 (AIRR-seq) 对于研究免疫反应,自身免疫和抗体发现至关重要.
- 在AIRR-seq中聚合酶连锁反应 (PCR) 放大可以产生人工的化学序列,使数据分析复杂化.
- 现有的嵌合体检测工具并没有针对AIRR-seq的特定挑战进行优化,例如体质突变 (SHM).
研究的目的:
- 介绍CHMMAIRRa,一种新的隐藏马尔科夫模型 (HMM),用于检测AIRR-seq数据中的仿真序列.
- 开发一种专门模拟SHM的方法,并结合生殖系参考序列以提高准确性.
- 评估PCR条件对金像体形成的影响以及公布数据集中人工金像体的流行程度.
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HMM中整合体质突变 (SHM) 建模和生殖系参考序列.
- 使用模拟,实验IgM库和分析四个公共AIRR-seq数据集的性能评估.
主要成果:
- 在 AIRR-seq 数据中,CHMMAIRRa 能够有效地检测出嵌合体序列.
- 该方法的性能通过模拟和与现有工具的比较来表征.
- 分析揭示了在各种AIRR-seq数据集中人工化的程度和影响.
结论:
- CHMMAIRRa提供了一种专门且准确的解决方案,用于识别AIRR-seq.中的化学序列.
- 该工具解决了像SHM这样的特定领域的挑战,提高了免疫谱系分析的可靠性.
- 这项工作突出了解决人工虚构的重要性,以便对AIRR-seq数据进行可靠的解释.
