Sentieon | 每周文献-Multi-omics-第四十一期

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
简介: **多组学研究揭示人类前额皮质发育中的遗传变化与转录组协调,文章发表于2020年《Cell Reports》,利用Sentieon软件分析全基因组和RNA测序数据,发现约12,000个基因表达在协调的胎儿晚期转变中变化,关联神经精神疾病。另一研究对比了EGFR生物标志物检测方法对胶质母细胞瘤精准医疗的影响, Sentieon软件同样用于变异检测,强调了检测方法的一致性和比较的重要性。Sentieon是高效精准的基因变异检测软件,广泛应用在多个生命科学领域。**

多组学系列文章-1

  • 标题(英文):Whole-Genome and RNA Sequencing Reveal Variation and Transcriptomic Coordination in the Developing Human Prefrontal Cortex
  • 标题(中文):全基因组和 RNA 测序揭示了人类前额皮质发育中的变异和转录组协调
  • 发表期刊Cell Reports
  • 作者单位:加州大学旧金山分校等
  • 发表年份:2020
  • 文章地址https://doi.org/10.1016/j.celrep.2020.03.053

 

基因表达水平因发育阶段、细胞类型和大脑区域而异。基因组变异也会导致表达变异,一些神经精神疾病位点可能通过这种机制发挥作用。为了研究这些关系,研究者推出了 BrainVar,一种独特的资源,对 176 名产前和产后发育个体的背外侧前额叶皮层进行配对全基因组和大量组织 RNA 测序。在该研究中,确定了在整个发育过程中或主要在产前或产后阶段不断改变基因表达(表达数量性状位点 [eQTL])的常见变异。“恒定”和“时间主导”eQTL 都富含与神经精神特征和疾病相关的基因座,并与特定变异共定位。超过 12,000 个基因的表达水平在协调一致的胎儿晚期过渡中上升或下降,过渡基因富含细胞类型特异性基因和神经精神风险位点,强调了对发育轨迹进行编目在理解皮质生理学和病理学方面的重要性。在该研究中,研究者使用Sentieon软件进行全基因组胚系变异检测。

 

 

本文描述了 BrainVar,一种独特的配对基因组 (WGS) 和转录组(大量组织 RNA-seq)数据资源,源自产前和产后发育的 176 个人类 DLPFC 样本。整个发育过程中基因组和转录组数据的结合使我们能够从分子角度以比以前更高的分辨率探究人类皮质的发育。了解时间和细胞类型特异性的模式,以及用于解析 GWAS 位点的 eQTL 共定位,已经为了解神经精神疾病的病理学提供了见解。进一步描述这些模式对于详细了解病因学作为治疗开发的基础可能至关重要。

 

多组学系列文章-2

  • 标题(英文):Comparison of Biomarker Assays for EGFR: Implications for Precision Medicine in Patients with Glioblastoma
  • 标题(中文):EGFR 生物标志物检测的比较:对胶质母细胞瘤患者精准医疗的影响
  • 发表期刊:Clinical Cancer Research
  • 作者单位:哥伦比亚大学医学中心等
  • 发表年份:2019
  • 文章地址https://doi.org/10.1158/1078-0432.CCR-18-3034

 

 

胶质母细胞瘤 (GBM) 的治疗决策越来越依赖于患者肿瘤的分子特征。EGFR 基因扩增发生在大约 50% 的 GBM 中,因此成为治疗干预的重要靶点并作为潜在的预测生物标志物。有多种方法可用于评估 EGFR 扩增和表达状态。进行了一项评估不同方法来评估 EGFR 扩增和表达的系统研究,以了解评估 GBM 中 EGFR 状态的各种测定的可比性和一致性。使用 FISH 检测的 EGFR 扩增作为参考方法,研究者发现使用全外显子组测序的扩增检测与 RT-PCR 或 RNAseq 的 RNA 表达具有良好的相关性,而 IHC 的蛋白质检测则不然。在该研究中,研究者使用Sentieon软件进行变异检测。

 

总的来说,本研究结果提供了评估 GBM 和其他潜在肿瘤类型生物标志物的各种方法的可比性信息,并可能有助于指导以 EGFR 为导向的治疗的精准医学决策。

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-第二十三期
Sentieon | 每周文献-Population Sequencing-第二十三期
42 1
|
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
53 0
|
7月前
|
算法 数据挖掘 测试技术
Sentieon | 每周文献-Benchmark and Method Study-第三十期
Sentieon | 每周文献-Benchmark and Method Study-第三十期
47 1
|
4月前
【博士每天一篇文献-模型】A mechanistic model of connector hubs, modularity and cognition
本文提出了一个机制模型,阐释了连接中枢在人类大脑网络中的作用及其对认知表现的影响,揭示了连接中枢的多样性与大脑网络模块化和认知功能之间的正向关系。
46 0
【博士每天一篇文献-模型】A mechanistic model of connector hubs, modularity and cognition
|
4月前
|
机器学习/深度学习 算法 关系型数据库
【博士每天一篇文献-实验】Is a Modular Architecture Enough?
本文探讨了模块化架构在机器学习中的有效性,通过实验展示了模块化系统在特定任务中通过专业化显著提升性能的潜力,并提出了评估模块化架构性能的新指标,同时指出了当前系统在泛化和性能上的局限性。
34 2
【博士每天一篇文献-实验】Is a Modular Architecture Enough?
|
4月前
|
算法 IDE 开发工具
【博士每天一篇文献-实验】Impact of modular organization on dynamical richness_in cortical networks
本文研究了大脑模块化组织对其动态特性的影响,发现不同耦合强度下的模块化网络展现出不同的活动模式,并通过实验揭示了单键模式在动态丰富性方面的优势,为理解大脑皮层网络的复杂动态提供了新的视角。
21 2
【博士每天一篇文献-实验】Impact of modular organization on dynamical richness_in cortical networks
|
4月前
|
编解码 算法 数据挖掘
【博士每天一篇文献-综述】Modular Brain Networks
本文详细介绍了模块化大脑网络的概念、生物作用以及使用图论工具检测这些网络的方法,探讨了模块化在大脑结构和功能中的证据及其在大脑进化和连接性最小化中的潜在角色,并回顾了网络神经科学领域在模块化大脑网络研究方面的最新进展。
45 4
【博士每天一篇文献-综述】Modular Brain Networks
|
4月前
|
机器学习/深度学习 算法
【博士每天一篇文献-算法】Adult neurogenesis acts as a neural regularizer
本文研究了成人神经发生(adult neurogenesis)在大脑学习过程中的作用,发现其作为一种神经调节器能提高学习泛化能力,并通过在卷积神经网络(CNN)中模拟神经发生,证明了其作为正则化手段与传统技术一样有效,甚至在某些方面更优。
31 6
|
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。
37 1
|
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