自动NGS特征提取算法用于预测EBV相关的鼻癌和高风险突变

科学领域:

• 在瘤学瘤学.
• 病毒学 病毒学
• 生物信息学是一种生物信息学.

背景情况:

• 埃普斯坦-巴尔病毒 (EBV) 感染是鼻癌 (NPC) 的重要危险因素.
• 潜膜蛋白1 (LMP1) 基因的异质性对于EBV相关的NPC (EBVaNPC) 瘤发生至关重要.
• 早期检测和EBVaNPC风险分层对于患者的治疗结果至关重要.

研究的目的:

• 开发和验证一种算法方法来识别EBV LMP1基因中的关键突变.
• 调查已识别的LMP1突变对EBVaNPC发育的功能影响.
• 为确定高风险EBVaNPC识别制定新的战略.

主要方法:

• 在临床EBV阳性样本中测序LMP1基因.
• 开发一种自动化病毒序列特征提取 (ViSFE) 方法.
• 实验验证包括qRT-PCR,EDU测定,跨井入侵,RNA测序和基因本体指纹 (GOF).

主要成果:

• ViSFE方法证明了分析核酸数据的可行性.
• 在LMP1中发现了显著的H101R突变作为关键特征,通过扩散和入侵测定得到了验证.
• 与H101R突变相关的差异表达基因主要参与免疫调节,特别是FOXP3-T细胞阳性和WNT7A干细胞人口维持.

结论:

• 这项研究提出了一种新的ViSFE策略,用于识别高风险EBV感染个体的NPC.
• 在LMP1中的H101R突变在EBVaNPC中具有功能意义,影响免疫调节和干细胞种群.
• 这项研究为改善EBVaNPC的早期检测和风险评估提供了基础.