人工智能分析癌症的突变可能会改善治疗gydF4y2Ba

人工智能分析癌症的突变可能会改善治疗gydF4y2Ba
Haplotype-aware单细胞multiomics功能描述sv。gydF4y2Ba一个gydF4y2Ba、利用Strand-seq scNOVA执行SV发现,然后使用分阶段没有跟踪,识别功能的影响本地SV(通过评估haplotype-specific NO)和全球(查找特定于副本没有)。橙色,Strand-seq读取映射到沃森(W)链;绿色,读取映射到克里克(C)链。gydF4y2BabgydF4y2Ba,Strand-seq-based没有追踪与散装MNase-seq NA12878揭示核小体的位置well-concordant,描绘了12号染色体位点较常规核小体定位。红色,没有跟踪映射到单体型1 (H1);蓝色、H2;黑色,结合分阶段和unphased读取;灰色,MNase-seq。的gydF4y2BaygydF4y2Ba轴描述意味着阅读数量在每一个英国石油(bp)在10 bp垃圾箱。gydF4y2BacgydF4y2Ba,没有相关共识DNase NA12878我过敏的网站。gydF4y2BadgydF4y2Ba在NA12878 CTCF结合位点,平均核小体模式,使用pseudobulk Strand-seq MNase-seq。gydF4y2BaegydF4y2Ba在基因体绘制,FCs haplotype-resolved没有X染色体和染色体7 NA12878(常染色体代表)。FCs haplotype-resolved RNA表达测量向右所示。gydF4y2BafgydF4y2Ba,Pseudobulk haplotype-phased没有跟踪代表X染色体基因的外显子gydF4y2BaSH3KBP1gydF4y2Ba基于Strand-seq。箱线图比较H1和H2使用双面Wilcoxon等级测试和随后Benjamini-Hochberg多个测试(罗斯福)校正(箱线图所定义的最小值= 25百分位- 1.5×四分位范围(差),最大值= 75 + 1.5×差,中心=值和边界框=第25和第75百分位;gydF4y2BangydF4y2Ba= 47单个细胞)。条形图显示haplotype-specific RNA的表达gydF4y2BaSH3KBP1gydF4y2Ba(两面之后,罗斯福的似然比检验校正;gydF4y2BangydF4y2Ba= 4生物复制;数据给出平均值±s.e.m)。gydF4y2BaggydF4y2Ba没有的逆相关基因的身体和基因表达。没有基于pseudobulk Strand-seq RPE-1库。基因的身体比例相同的长度。gydF4y2BahgydF4y2Ba程控基于没有基因的身体(AUC = 0.96)。RPE-1细胞系代码:蓝色;紫色,BM510;洋红色,C7;LV,潜变量。gydF4y2Ba我gydF4y2Ba接受者操作特征推断改变基因活动,通过分析在基因的身体,没有使用pseudobulk Strand-seq库从硅片细胞混合。信贷:gydF4y2Ba自然生物技术gydF4y2Ba(2022)。DOI: 10.1038 / s41587 - 022 - 01551 - 4gydF4y2Ba

癌症有许多没有奇迹,致癌突变的范围是巨大的。的全部基因组改变个人专家称之为“突变景观”。的se landscapes differ from one another depending on the type of cancer. And even people suffering from the same cancer often have different mutation patterns.

研究人员已经编目许多类型的癌症的突变风景。体结构变体(sv)已被证明所有cancer-driving占一半以上gydF4y2Ba。这些突变细胞出现的帮助时潜入期间DNA复制错误gydF4y2Ba——从而改变染色体结构。gydF4y2Ba

他们不仅继承和被发现在细胞和影响gydF4y2Ba。随着年龄的增长,这种基因的改变更加众多,一个人的突变景观越来越像一个独特的马赛克。gydF4y2Ba

尽管体细胞sv在癌症的发展过程中扮演着重要的角色,很少有人知道。“缺乏方法,分析其对细胞功能的影响,”阿什利·桑德斯博士解释道,基因组稳定性和体细胞镶嵌性实验室负责人马克斯·德尔布吕克中心。这是改变由于新的研究成果,桑德斯最近发表在《华尔街日报》gydF4y2Ba自然生物技术gydF4y2Ba随着欧洲分子生物学实验室(EMBL)。gydF4y2Ba

“我们发明了一种计算分析方法来检测和识别的功能影响体细胞sv,”她报告。这使团队了解个人体细胞突变的分子的影响在不同的白血病患者,给他们新的见解突变特异改变。桑德斯说,它也有可能使用这些结果来开发治疗目标突变细胞,补充道,“他们打开激动人心的个性化医疗的新途径。”gydF4y2Ba

比传统的单细胞甚至更详细的分析gydF4y2Ba

他们的计算是基于数据从Strand-seq-a特殊单细胞测序方法,桑德斯在发展中起到了作用,那是在2012年首次介绍给科学界。这种技术可以检查细胞的基因组比传统单细胞测序技术更加详细。gydF4y2Ba

由于复杂的实验协议,Strand-seq方法能独立分析两个父母的DNA链(一个来自父亲,一个来自母亲)。与传统测序方法,区分这些homologs-chromosomes形状和结构相似但不一致化几乎是不可能的。gydF4y2Ba

”,解决个人同源染色体在细胞内,可以发现体细胞sv与其他方法比,”桑德斯说。使用的方法这样做被研究者和她的同事们出现在一篇论文中gydF4y2Ba自然生物技术gydF4y2Ba在2020年。gydF4y2Ba

研究小组是联合研究焦点的一部分“个性化医疗单细胞方法”的柏林健康研究所查利特(波黑),柏林夏洛蒂,马克斯·德尔布吕克中心。gydF4y2Ba

在这个工作的基础上,他们现在能够在每个细胞也确定核小体的位置。核小体是单位的DNA缠绕在蛋白质复合物称为组蛋白,并在组织染色体起到至关重要的作用。核小体的位置可以改变时gydF4y2Ba,包装的类型揭示基因是否活跃。桑德斯和她的同事们开发了一种自学习算法来比较病人的基因活动gydF4y2Ba有和没有躯体SV突变,使他们能够确定分子的结构变异的影响。gydF4y2Ba

癌症治疗的新目标gydF4y2Ba

“我们现在可以从一个病人样本,寻找突变导致疾病,而且学习致病突变干扰的信号通路,”桑德斯说。例如,团队能够识别一种罕见的但非常激进的白血病患者的突变。核小体的分析为研究人员提供信息所涉及的信号通路,它们用来专门抑制的增长gydF4y2Ba包含突变。gydF4y2Ba

“这意味着单个测试告诉我们参与的细胞机制gydF4y2Ba形成,”桑德斯说。“我们可以最终使用这些知识来开发个性化的治疗方法,根据每个病人的独特条件。”gydF4y2Ba

更多信息:gydF4y2BaHyobin Jeong et al,泛函分析的结构变体使用Strand-seq单个细胞,gydF4y2Ba自然生物技术gydF4y2Ba(2022)。gydF4y2BaDOI: 10.1038 / s41587 - 022 - 01551 - 4gydF4y2Ba

酯驯鹰人et al, DNA模板链的单细胞测序地图基因重组在高分辨率,gydF4y2Ba自然方法gydF4y2Ba(2012)。gydF4y2BaDOI: 10.1038 / nmeth.2206gydF4y2Ba

阿什利·d·桑德斯et al,单细胞分析的结构变化和复杂的重组tri-channel处理,gydF4y2Ba自然生物技术gydF4y2Ba(2019)。gydF4y2BaDOI: 10.1038 / s41587 - 019 - 0366 - xgydF4y2Ba

期刊信息:gydF4y2Ba 自然生物技术gydF4y2Ba ,gydF4y2Ba自然方法gydF4y2Ba

引用gydF4y2Ba:人工智能分析癌症的突变可能会改善治疗(2023年1月25日)检索2023年1月28日从//www.pyrotek-europe.com/news/2023-01-ai-analysis-cancer-mutations-therapy.htmlgydF4y2Ba
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。gydF4y2Ba

进一步探索gydF4y2Ba

基因变化不同,增加人的阿尔茨海默氏症gydF4y2Ba

41gydF4y2Ba股票gydF4y2Ba

反馈给编辑gydF4y2Ba