Sentieon | 每周文献-Population Sequencing-第二十三期

简介: Sentieon | 每周文献-Population Sequencing-第二十三期

群体基因组系列文章-1

  • 标题(英文):Prediction of axillary lymph node metastasis in triple-negative breast cancer by multi-omics analysis and an integrated model
  • 标题(中文):基于多组学分析和整合模型的三阴性乳腺癌腋窝淋巴结转移预测
  • 发表期刊:Ann Transl Med
  • 作者单位:复旦大学附属肿瘤医院等
  • 发表年份:2022
  • 文章地址:
  • https://doi.org/10.21037/atm-22-277

 

为了避免不必要的术后并发症,必须选择可能有资格豁免前哨淋巴结活检 (SLNB) 的无腋窝淋巴结 (LN) 转移的乳腺癌患者。然而,如果仅考虑临床参数,三阴性乳腺癌(TNBC)的淋巴结转移(LNM)很难预测。因此,通过研究 LN 阳性和 LN 阴性患者之间的差异,研究者旨在建立一个能够更好地预测 TNBC 中 LNM 的多组学模型。

在该研究中,与LN阴性患者相比,LN阳性患者的突变事件数量增加,而LN阳性患者体细胞拷贝数改变(SCNAs)的扩增和缺失频率较低。研究者在分析了上调的基因相关通路后,发现中性粒细胞相关通路在LN阳性患者中富集。基于这些组学分析,利用5个预测因子构建多组学模型,训练集和验证集的受试者工作特征曲线下面积分别为0.790和0.807,表现出优于使用单个组学数据的模型的性能。

在该研究中,研究者使用Sentieon软件中TNseq模块和TNscope模块同时进行体细胞突变检测。

在该研究中,研究者在分析了最大的TNBC多组学队列后,确定了与LNM相关的潜在临床和分子特征。开发了一种多组学模型,并在预测 LNM 方面稳健地进行,其潜在帮助是在 TNBC 患者中定制不必要的腋窝 LN 管理。

群体基因组系列文章-2

  • 标题(英文):Pathogenic variants carrier screening in New Brunswick: Acadians reveal high carrier frequency for multiple genetic disorders
  • 标题(中文):新不伦瑞克省的致病变异携带者筛查:阿卡迪亚人揭示了多种遗传疾病的高携带者频率
  • 发表期刊:BMC Medical Genomics
  • 作者单位:亚特兰大癌症研究所等
  • 发表年份:2022
  • 文章地址:
  • https://doi.org/10.1186/s12920-022-01249-1

最近经历重要遗传瓶颈的创始人群体,如法裔加拿大人和德系犹太人,可能以比一般人群更高的携带率携带某些致病变异,使他们患某些遗传疾病的风险更高。在这些人群中,进行基于种族或扩大的孕前携带者筛查可能会有相当大的益处,这有助于预防或早期诊断和管理某些遗传疾病。阿卡迪亚人是十七世纪定居在加拿大大西洋沿岸的法国移民的后裔。然而,从未对阿卡迪亚人群的致病遗传变异的患病率/频率进行调查。

在这项研究中,研究者发现新不伦瑞克省东南部的阿卡迪亚人样本人群携带 28 种常染色体隐性遗传病和 1 种 X 连锁病的变异,其中一些与参考人群相比明显更常见。

在该研究中,研究者使用Sentieon软件进行胚系变异检测。

这项初步研究的结果表明,需要进一步研究该人群的基因组变异,并可能实施有针对性的携带者和新生儿筛查计划。

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。

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。

目录
相关文章
|
7月前
|
算法 数据挖掘
Sentieon | 每周文献-Population Sequencing-第三十四期
Sentieon | 每周文献-Population Sequencing-第三十四期
50 0
|
4月前
|
机器学习/深度学习 数据可视化 算法
【博士每天一篇论文-实验分析】Toroidal topology of population activity in grid cells
本文通过同时记录多个网格细胞并应用拓扑数据分析,揭示了这些细胞网络的环面拓扑结构,表明存在一个二维连续吸引子网络,为理解空间编码和网格细胞在导航记忆中的作用提供了新视角。
39 3
|
4月前
|
算法 数据挖掘
【博士每天一篇文献-算法】A pseudo-inverse decomposition-based self-organizing modular echo
本文提出了一种基于伪逆分解的自组织模块化回声状态网络(PDSM-ESN),通过增长-修剪方法和伪逆分解提高学习速度,有效解决了ESN中的不适定问题,并在多个数据集上展示了其优越的预测性能和鲁棒性。
25 1
|
4月前
|
机器学习/深度学习 存储 算法
【博士每天一篇文献-算法】Evolutionary multi-task learning for modular knowledge representation in neuralnetworks
本文提出了一种进化式多任务学习方法(EMTL),用于在神经网络中通过模块化网络拓扑实现模块化知识表示,模仿人脑的模块化结构存储知识,提高了网络的鲁棒性和灵活性,并在奇偶校验问题和基准模式分类任务上验证了其有效性。
31 1
|
4月前
|
机器学习/深度学习 人工智能 算法
【博士每天一篇文献-算法】Seeing is believing_ Brain-inspired modular training for mechanistic interpretability
这篇文章提出了一种模仿大脑结构和功能的训练正则化方法,称为大脑启发的模块化训练(BIMT),通过在几何空间中嵌入神经元并增加与连接长度成比例的正则化项来促进神经网络的模块化和稀疏化,增强了网络的可解释性,并在多种任务和数据集上验证了其有效性。
42 2
|
4月前
|
算法
【博士每天一篇文献-算法】Optimal resilience of modular interacting networks
本文是一篇关于网络科学中模块化相互作用网络最佳韧性的研究论文,提出了两种分析框架来探讨在确定性和随机耦合模式下这些网络的韧性,并发现存在一个最佳互连节点的比例,可以最大化系统的韧性,使其能够承受更多的破坏。研究强调了理解真实世界耦合模式的重要性,并基于这些模式优化系统设计的重要性,对于设计和优化经济、社会和基础设施网络具有重要意义。
29 0
【博士每天一篇文献-算法】Optimal resilience of modular interacting networks
|
7月前
|
算法 数据挖掘
Sentieon | 每周文献-Population Sequencing-第二十四期
Sentieon | 每周文献-Population Sequencing-第二十四期
47 1
|
7月前
|
算法 数据挖掘
Sentieon | 每周文献-Long Read Sequencing-第十八期
Sentieon | 每周文献-Long Read Sequencing-第十八期
49 1
|
7月前
|
安全 算法 数据挖掘
Sentieon | 每周文献-Multi-omics-第二十期
Sentieon | 每周文献-Multi-omics-第二十期
81 0
|
7月前
|
算法 数据挖掘 芯片
Sentieon | 每周文献-Gene Editing-第二十八期
Sentieon | 每周文献-Gene Editing-第二十八期
45 0