预测肿瘤和子系数据突变源

遗传测序是一个廉价筛选过程,帮助人们理解在一生中开发某种形式癌症的风险他们可以学习即将到来的风险并自觉选择生活方式,必要时采取几例激进决策,甚至想方设法阻止基因遗传转移给子孙Israes Gomy博士先行精确肿瘤学:在美国波士顿Dana法尔伯癌症院后院时,他和他的团队测试并验证生物信息工具与肿瘤和子系测序数据检测突变目前,他帮助人们理解他们对不同形式癌症的偏好

精密肿瘤学是医学分支,处理综合强健基因组分析从这些测试中解读的数据表明病人,特别是风险患者罹患癌症的概率随着技术的进步,肿瘤剖析的可用性明显增加并显示效果使用高级基因组技术,医生不仅能描述病人肿瘤生长特征,而且还能开发个性化方法处理和管理病人并阻止家属开发它

基因组测试和肿瘤精度肿瘤测试
PGV指肿瘤抑制基因中潜在有害突变(基因对缓冲/阻塞引起癌症细胞异常生长负责)。已知PGV带入微小但大片子子子线级癌症开发风险PGV通常通过测试血液和唾液检测,尽管也可以由肿瘤本身推断

然而,当选择只关注已知家族历史或个人风险因素的病人时,人们可能误差不同但重要的临床指针,显示此人在基因组级可能面临风险,即使此人没有任何明显的偏向性。子系变异是基因代代相传的基础,因此基因筛选人对子系变异确定性变得至关重要。

黄等前研究(2018年)显示,八分之一的癌症成人接受通用子宫测试,而不论其是否符合既定标准,均拥有易感基因PGV,如果只考虑家庭历史和风险因素则会忽略该基因识别PGV还改变了他们的治疗选项,这意味着个人化医学精确基因组分析的重要性

使用高级基因组技术,医生不仅能描述病人肿瘤生长特征,而且还能开发个性化方法处理和管理病人

也可以对肿瘤组织成熟的病人进行肿瘤基因剖析检测具体变异数项商业和学术肿瘤排序分析扫描400多组癌症基因供体变异其中包括50多个肿瘤抑制基因,这些基因本身可经历子系变异,意指单体变异筛选远不那么具体化。全面筛选人的可行解决办法可能是合并子系和肿瘤遗传分析方法有科学证据支持肿瘤排序与正常基因剖析匹配有助于识别15-18%癌症患者的癌症先发基因中的PGV值,包括没有高风险家族历史或不符合标准脉冲测试临床标准者(Mandelker等人,2017年!Samadder等人,2020年)

应对挑战
通用肿瘤/发热测序分析概念是未来式的,不匹配当前技术状态多数只有肿瘤排序的实际例子中,无法提供病人匹配的脱氧核糖核酸样本(血液/盐水)测试无法满足对客观可靠方法的需求,即从仅肿瘤样本中识别病人临床子线测试当前解释单肿瘤数据的做法视基因特性和偏向性异频标准决定其体态/脉冲性质VAF各种肿瘤类型不尽相同过程需要专家审查,结果特征差排除体变异并显著降低总体精度

解决这些挑战,Gomy博士正与团队合作,团队中包括波士顿Dana Farber癌症学院导师Jude E Garber博士和Nahed Jalloul博士及其导师HosseinKhiabanian博士,均建于Rutgers癌症学院测试自定义信息理论管道性能 以精确分类变异团队使用常用排序数据并分析样本肿瘤细胞比例方面每种变量高深度测序数据预测异位状态损失,这可能为变异在子系变异和体变异的功能效果提供参考

取自1 608名病人的表单排序数据回溯分析推推子线对方体状态使用理论信息法单从基因独立法图单测序检测出3 988变异 覆盖70个癌症易感基因方法成功推导所有检测变异的 > 75%,使用敏感度65%、特性88%和致病变异总精度86%假遗漏率最小为3%,误分类真PGV图单排序数据保留已知遗传肿瘤抑制器中较高比例PGV,与不确定值变差(58%)相比,肿瘤标本中异性下降72%

密钥外送
取自排序数据相关临床信息时,需要通过比较肿瘤组织测序数据与同位病人正常样本,准确注解体形变和子线变这一过程还有助于识别影响基因的体能事件,PGV导致二元失效

Gomy博士和Jalloul博士团队在此研究中成功验证理论自主生物信息工具使用脉冲测试分析推导子线变异与体态变异的能力数据集使用肿瘤排序常用测量法(如全深度、焦点浮点和VAF),能够选择最有可能的子系对声变状态并评估LOH证据通过分析样本纯度方面每种变异,团队消除了对特殊VAF标准或原序数据复杂分析的需要

误分类真体突变等值执行脉冲测试成本,它能揭示遗传子线突变的固有状态无法识别子线变异可能导致忽略关键变异信息,而关键变异信息对随后对家庭成员进行测试以追踪变异继承物,发现成员未来有发展此类癌症的风险,并阻碍患者个性化处理策略

因此,这一方法成为检测一系列恶性物PGV的标志性标志性方法,而没有明显的指针单图测序数据足以判定癌症偏移基因中的PGV因此,当肿瘤标本检测到PGV时,需要考虑向病人提供遗传咨询并验证子线测试子线变异状态和LOH分析帮助专家做出临床相关个性化处理决策,特别是在分子图博板等应用中