Sentieon | 每周文献-Tumor Sequencing(肿瘤测序)-第三期

简介: 本期重点关注Sentieon在甲状腺癌和CRISPR/Cas9技术中的应用

肿瘤测序系列文章-1

  • 标题(英文):The relationship between genetic characteristics and clinical characteristics and the efficacy of ^131^ I therapy in children and adolescents with locally advanced or metastatic differentiated thyroid cancer
  • 标题(中文):局部晚期或转移性儿童及青少年分化型甲状腺癌的基因特征与临床特征及^131^ I疗效的关系
  • 发表期刊:《中国癌症杂志》
  • 作者单位:中国医学科学院北京协和医学院北京协和医院核医学科等
  • 发表年份:2022
  • 文章地址https://doi.org/10.19401/j.cnki.1007-3639.2022.05.002

屏幕截图 2023-06-19 094428.png

本研究对局部晚期或转移性儿童及青少年DTC队列的肿瘤样本进行二代测序,并对其临床资料进行回顾分析,初步描绘了中国局部晚期或转移性儿童及青少年DTC的基因突变分布及其相应临床病理学特征,并探索了可能影响摄碘特征的关键基因及分型。

图片1.png

该研究采用甲状腺癌相关基因panel进行二代测序,覆盖24个基因、7类融合和一项其他分子标志物。在经过质控、比对、去重等分析后,使用Sentieon TNseq模块进行体细胞突变检测。在此基础上,对体细胞突变进行数据库过滤及后续统计学检验,并结合临床信息对该队列患儿的基因特征分布进行了分析。

综上所述,本研究使用二代测序技术检测了局部晚期或转移性儿童及青少年DTC的基 因突变,初步描绘了该队列患儿的基因特征。结果初步提示细化基因突变分层在儿童及青少年DTC尤其是局部晚期或转移性患儿临床管理中的意义。

肿瘤测序系列文章-2

  • 标题(英文):Development of a Novel Reference Material for Tumor Mutational Burden Measurement Based on CRISPR/Cas9 Technolog
  • 标题(中文):基于CRISPR/Cas9技术的肿瘤突变负荷测量新参考物质的开发
  • 发表期刊:Cancer Genetics
  • 作者单位:中国医学科学院老年医学研究所国家临床检验中心等
  • 发表年份:2022
  • 文章地址https://doi.org/10.3389/fonc.2022.845636

屏幕截图 2023-06-19 110016.png
作为影响免疫检查点抑制剂治疗决策的生物标志物,肿瘤突变负荷(TMB)估计的准确性、可靠性和可比性至关重要。该研究中,研究者开发了一组具有不同TMB值的福尔马林固定和石蜡包埋(FFPE)样品作为TMB估计的新参考材料。通过使用CRISPR/Cas9技术将几种临床相关变异引入人类细胞系,构建了几种典型的细胞系并进行了外显子测序验证。然后进行细胞混合和石蜡包埋,制备了新型FFPE样品。

111.png

该研究首先使用CRISPR/Cas9系统生成与MSH2和POLAR变体共存的新细胞系,然后利用WES测序对构建的编辑细胞突变和TMB进行了检测和验证;最后,基于WES测序结果将编辑细胞进行梯度比例混合,之后制备成FFPE样本,并对FFPE样本进行WES测序,验证了FFPE样本的TMB特征和样本的均质性。结果说明FFPE参考物质具有很好的可行性、均质性和稳定性。

23.png

在该研究中,Sentieon被用于质控后续分析,包括参考序列比对、排序、局部重比对、去重复及BQSR等分析。

总之,该研究基于CRISPR/Cas9系统将几种临床相关变异引入人类细胞系,构建了几种典型的细胞系并进行了外显子测序验证。然后进行细胞混合和石蜡包埋,制备了新型FFPE样品。经过验证,这些FFPE参考物质具有很好的均质性和稳定性。

Sentieon软件介绍

Sentieon为完整的纯软件基因变异检测二级分析方案,其分析流程完全忠于BWA、GATK、MuTect2、STAR、Minimap2、Fgbio、picard等金标准的数学模型。在匹配开源流程分析结果的前提下,大幅提升WGS、WES、Panel、UMI、ctDNA、RNA等测序数据的分析效率和检出精度,并匹配目前全部第二代、三代测序平台。

640.png

Sentieon软件团队拥有丰富的软件开发及算法优化工程经验,致力于解决生物数据分析中的速度与准确度瓶颈,为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案,共同推动基因技术的发展。

截至2023年3月份,Sentieon已经在全球范围内为1300+用户提供服务,被世界一级影响因子刊物如NEJM、Cell、Nature等广泛引用,引用次数超过700篇。此外,Sentieon连续数年摘得了Precision FDA、Dream Challenges等多个权威评比的桂冠,在业内获得广泛认可。

软件试用请前往:https://www.insvast.com/sentieon

目录
相关文章
|
6月前
|
算法 数据挖掘 Go
文献速读|5分生信+免疫组化单细胞联合bulk转录组肿瘤预后模型
研究摘要: 在《Cancer Immunology Immunotherapy》上发表的一篇文章,通过整合Bulk和单细胞RNA-seq数据,探讨了非小细胞肺癌(NSCLC)中癌相关纤维细胞(CAF)的作用。研究者识别出CAF的预后标志物,构建了一个基于CAF的模型,该模型在四个独立队列中区分了预后良好的和较差的患者。WGCNA分析鉴定出CAF标记基因,而CAF分数与免疫微环境和免疫治疗反应相关。高CAF分数关联较差的免疫治疗反应,FBLIM1被发现为CAF的主要来源,其高表达预测了免疫疗法的不良反应。该研究揭示了CAF在NSCLC免疫抑制和治疗策略中的重要地位。
165 1
|
6月前
|
数据挖掘 数据库
略微学习一下二区4.5分纯生信,单基因肺结核叶酸基因集+泛癌分析
研究摘要: 一项发表于2023年《MEDIATORS OF INFLAMMATION》杂志的文章发现,RTP4基因可能成为诊断肺结核的新生物标志物。研究者通过分析GEO数据库中的多个微阵列数据集,使用WGCNA方法识别与肺结核和叶酸生物合成相关的基因模块。RTP4在健康与肺结核患者间的表达有显著差异,并且在抗结核治疗前后表达量变化。泛癌分析显示,RTP4在不同肿瘤类型中的表达与预后关联不一,提示其可能在多种癌症中具有重要功能。这些发现支持RTP4作为诊断工具的潜力,并为进一步研究其在结核病和癌症中的作用奠定了基础。
77 1
|
数据采集 芯片
GWAS全基因组关联分析入门教程
GWAS全基因组关联分析入门教程
|
6月前
|
算法 数据挖掘
Sentieon | 每周文献-Agrigenomics-第二十六期
Sentieon | 每周文献-Agrigenomics-第二十六期
42 0
|
2月前
|
机器学习/深度学习 人工智能 芯片
牛津光计算论文登Nature正刊,分析帕金森患者步态准确率达92.2%
【9月更文挑战第23天】牛津大学研究人员在《自然》杂志上发表了一篇关于光计算的重要论文,展示了一种利用光的局部相干性增强光子计算并行性的新方法。该技术通过部分相干光与重建方法结合,提高了处理效率和并行性,同时降低了对相移器和微环谐振器的依赖,展示了在光子张量核心中的应用潜力,并在实际计算任务中实现了高准确率。这项突破有望推动光子处理器在人工智能领域的广泛应用。
37 5
|
6月前
|
机器学习/深度学习 算法 数据挖掘
JCR一区5.4分|经典~非肿瘤机器学习筛选生物标志物+qPCR
本文介绍了一项使用机器学习算法识别间变性甲状腺癌(ATC)新型生物标志物和免疫浸润特征的研究。该研究发表在2023年9月的《Journal of Endocrinological Investigation》上,IF为5.4。通过对GEO数据库中的RNA测序数据进行分析,研究人员鉴定出425个差异表达基因,并利用LASSO和SVM-RFE算法确定了4个ATC特征基因(ADM、PXDN、MMP1和TFF3)。这些基因在诊断、药物敏感性和免疫微环境中具有潜在价值,可能成为ATC诊断和治疗的生物标志物。
120 0
|
6月前
|
机器学习/深度学习 弹性计算 数据可视化
玩ST、肿瘤研究的来学习一下!16分Nature子刊的单细胞空间转录组+机器学习
Nature Communications 发表了一项关于空间转录组和机器学习在肿瘤研究中的应用。研究聚焦于HPV阴性口腔鳞状细胞癌,通过整合单细胞和空间转录组分析,揭示了肿瘤核心(TC)和前沿边缘(LE)的独特转录特征。TC和LE的基因表达模式与多种癌症的预后相关,其中LE基因标志关联不良预后,而TC则与较好预后相关。利用机器学习,研究人员建立了预测模型,识别出跨癌症类型的保守TC和LE特征。此外,他们还分析了RNA剪接动态,发现了潜在的治疗脆弱性。这项工作为肿瘤生物学和靶向治疗提供了新见解,并为药物开发提供了依据。
93 0
|
6月前
|
机器学习/深度学习 文字识别 数据挖掘
文献速读|别人家的孟德尔随机化,全基因组纯生信30分Nature子刊
Nature Genetics上的一篇高影响力(IF=30.8)文章利用孟德尔随机化分析了暴食症(BED)的遗传基础。研究通过机器学习预测个体患BED概率,进行全基因组关联研究,识别了与铁代谢相关的基因位点,如HFE、MCHR2、LRP11及APOE。这些发现揭示了BED的遗传信号与铁代谢的关联,为理解这种疾病的病理生理学提供了新见解,并为治疗研究指明方向。文章中还包括多个图表展示分析结果。读者可以通过后台回复特定代码获取文献。
141 0
|
6月前
|
机器学习/深度学习 安全 算法
Sentieon | 每周文献-Epidemiology-第二十七期
Sentieon | 每周文献-Epidemiology-第二十七期
31 0