National and Kapodistrian University of Athens
Υπολογιστική μελέτη μεγάλων γενεωμικών αναδιατάξεων (Large Genomic Rearrangements, LGRs) από δεδομένα αλληλούχησης επόμενης γενιάς Next Generation Sequencing, NGS)
Abstract
dc:descriptionΕισαγωγή: Οι Παραλλαγές Αριθμού Αντιγράφων (Copy Number Variations, CNVs) περιγράφουν γενωμικές δομικές μεταλλαγές, όπως διαγραφές και διπλασιασμούς, μεγέθους άνω των 50 bp. Τα CNVs έχουν επιβεβαιωθεί ότι συμβάλλουν στις φαινοτυπικές παραλλαγές και τη γενετική βάση πολλών ασθενειών, όπως ο καρκίνος και οι καρδιακές ασθένειες. Οι κύριες τεχνικές εντοπισμού των CNVs στην κλινική διάγνωση είναι η MLPA και η aCHG, ωστόσο και οι δύο είναι σχετικά περιορισμένες σε ευρεία κλίμακα. Για τον ευρύτερο εντοπισμό CNVs στη σύγχρονη έρευνα, έχει αναπτυχθεί πληθώρα βιοπληροφορικών εργαλείων εντοπισμού των CNVs σε δεδομένα αλληλούχησης. Ωστόσο, τα ποσοστά ακρίβειας τους παρουσιάζουν ασυνέπεια από έρευνα σε έρευνα. Για το σκοπό αυτό γίνει μελέτη και σύγκριση σε δύο από τα γνωστότερα εργαλεία εντοπισμού CNVs: Το ExomeDepth, και το panelcn.mops. Μεθοδολογία: Τα δύο εργαλεία αυτά δέχονται δεδομένα Whole Exome Sequencing (WES), αλλά παρουσιάζουν διαφορές στον τρόπο λειτουργίας τους (ανάγκη ή όχι δείγματος αναφοράς, χρήση διαφορετικών στατιστικών μεθόδων κλπ). Ως δείγμα ανάλυσης χρησιμοποιήθηκε ένα κοινό σύνολο 10 δειγμάτων bam και στα δύο εργαλεία, για τα οποία γνωρίζουμε εκ των προτέρων τις θέσεις CNVs (510 συνολικά). Το σύνολο προέρχεται από το phase 3 του προγράμματος 1000 Genomes και αφορά υγιή άτομα. Στόχος της μελέτης είναι η εξαγωγή συμπερασμάτων για την συγκριτική αποτελεσματικότητα των εργαλείων σε ότι έχει να κάνει με την ευαισθησία και την ακρίβεια, και αναμένεται να εξαχθούν σημαντικά συμπεράσματα για την αποτελεσματικότερη πρόγνωση των CNVs απο WES δεδομένα. Παράλληλα διερευνάται η πιθανότητα να δημιουργηθεί ένα συναινετικό μοντέλο πρόγνωσης, συνδυαζοντας τα αποτελέσματα και των δύο εργαλείων. Αποτελέσματα: Το panelcn.mops απέδωσε περισσότερες Αληθώς Θετικές (ΑΘ) κλήσεις τόσο σε επίπεδο διπλασιασμών όσο και σε επίπεδο διαγραφων, με 29 έναντι 2 και 146 έναντι 62 αντίστοιχα. Παρόλα αυτά, καθώς απέδωσε πολύ μεγαλύτερο αριθμό συνολικών κλήσεων, άρα και Ψευδώς Θετικών (ΨΘ), η ακρίβεια του είναι αισθητά μικρότερη. Το ExomeDepth απέδωσε ακρίβεια 0.18% για διαγραφές και 7.16% για διπλασιασμούς, και το panelcn.mops 0.011% και 0.178% αντίστοιχα. Ο συνδυασμός των αποτελεσμάτων τους, φιλτράροντας αρχικά μέσω κάποιων εσωτερικών τους συντελεστών ποιότητας για να μειωθεί η ποσότητα ΨΘ κλήσεων, απέδωσε ακρίβεια λίγο ανώτερη από τα ποσοστά του panelcn.mops (0.0134% και 0.205% αντίστοιχα). Συμπεράσματα και Συζήτηση: Η εμφάνιση μειωμένων ποσοστών ακρίβειας εντοπίζεται κατά κύριο λόγο στην παρουσία μεγάλου αριθμού ΨΘ κλήσεων, οι οποίες είναι απαραίτητο να φιλτραριστούν κατά την ανάλυση. Μελλοντικά, μπορούν να εισαχθούν στα αντίστοιχα pipeline εργαλεία φιλτραρίσματος όπως το CNVfilteR, που απορρίπτουν κλήσεις μέσω της παρουσίας SNVs εντός τους. Το ExomeDepth παρουσιάζεται ως το εργαλείο με τη μεγαλύτερη ακρίβεια με διαφορά, ωστόσο πιθανές τροποποιήσεις των εργαλείων και των δειγμάτων μπορούν να βελτιώσουν την ποιότητα ακόμα περισσότερο. Η χρήση δειγμάτων υγιών ατόμων μειώνει την ακρίβεια και περιορίζει τη χρήση των εσωτερικών φίλτρων του ExomeDepth, καθώς και τα δύο εργαλεία εντοπίζουν καλύτερα σπάνιες (άρα και πιθανώς παθολογικές) παραλλαγές. Τελικώς, ο πιθανός συνδυασμός των εργαλείων σε παθολογικά δείγματα (είτε WES είτε σε στοχευμένα πάνελ γονιδίων), μαζί με το συνδυασμό όλων των πιθανών φίλτρων που μπορούν να απορίψουν κλήσεις να μπορέσει να αποδώσει μεγαλύτερα ποσοστά ακρίβειας σε όλους τους τύπους CNVs.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Βανδώρου Φαίδρα-Παρασκευή
- Vandorou Faidra-Paraskevi
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:3418926