浏览全部资源
扫码关注微信
1. 锦州医科大学公共基础学院
2. 西安交通大学计算机科学与技术系
3. 西安交通大学陕西省医疗健康大数据工程研究中心
4. 第四军医大学肿瘤生物学国家重点实验室
5. 西安交通大学管理学院
Published:2017
移动端阅览
[J]. 2017, (6): 92-96.
DOI:
[J]. 2017, (6): 92-96. DOI:
针对肿瘤组织的异质性的子克隆解析
提出了一种通过多级子克隆的体细胞突变模式来识别单体型异质性的算法。该算法基于肿瘤组织的多文库测序数据提取文库特征和双末端读段约束
通过对体细胞突变位点的等位基因变异频率进行聚类估算出子克隆数目的一个先验;同时设计了一种拼接识别算法
通过遍历位点对应的读段来拼接单体型序列
拼接出的单体型序列的精度为碱基水平;采用后验概率的最大似然估计解出子克隆的个数、配比及演化关系。仿真实验表明
当基础文库满足一定测序覆盖度时
该算法对单体型异质性的识别精度可达到99%以上
能够取代目前数据分析中常用的两步法
且获得高精确的识别结果。
涂超峰,綦鹏,李夏雨,莫勇真,李小玲,熊炜,曾朝阳,李桂源.肿瘤异质性:精准医学需破解的难题[J].生物化学与生物物理进展,2015(10).
Francesco Strino,Fabio Parisi,Mariann Micsinai,Yuval Kluger.TrAp: a tree approach for fingerprinting subclonal tumor composition[J].Nucleic Acids Research,2013(17).
0
Views
3
下载量
1
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution