抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近開発した単一細胞DNA配列決定技術は,数千の細胞の全ゲノム配列決定を可能にする。しかし,配列データ(細胞当たり<0.05x)の超低被覆率は,マルチメガ塩基セグメントにおけるコピー数変化の同定へのそれらの使用をほとんど制限する。多くの腫瘍はコピー数駆動ではなく,単一ヌクレオチド変異体(SNV)に基づくサブクローン検出は腫瘍内不均一性に関するより包括的な見解に寄与する可能性がある。データの低被覆率のため,SNVの同定は,数百の遺伝子類似細胞の配列決定されたゲノムを重ね合わせる場合にのみ可能である。そこで,著者らは,関連する遺伝子座のBayesフィルタリングアプローチに基づいて,効率的に腫瘍細胞をクラスタ化し,読取り重なりと位相を利用する新しい方法を開発した。【結果】著者らは,単細胞データ腫瘍クラスター(SECEDO,ラット分離)を開発し,超低被覆率単一細胞DNA配列データで推論されたSNVだけに基づく腫瘍細胞をクラスタ化する新しい方法を,開発した。SECEDOを単一患者から7,250細胞及び8腫瘍サブクローンをシミュレートする合成データセットに適用し,クローン組成を正確に再構築し,体細胞SNVの92.11%を検出し,全集団の6.9%のみを表す最小クラスタを示した。乳癌患者からの4つの実際の単一細胞配列データセットに適用した場合,それぞれ{近似}2,000細胞からなるSECEDOは,0.03xの元の被覆率で各データセットで主要なクローン組成を回復でき,{近似}0.6のARIスコアを達成した。最新のSNVベースのクラスタリング法は,in silicoの被覆率を10倍増加させた後でさえ,{近似}0のARIスコアを達成し,4つのデータセットからデータをプールする時,SECEDOsの性能に整合するだけで,さらに7倍の配列カバレッジを人工的に増加させることに加えて,4つのデータセットからデータをプールするだけで,SECEDOsの性能に整合できた。結果として得られたクラスタ上の分散呼出しは,すべてのセルを一緒に呼べると検出されているように,多くのSNVの2倍以上に回復した。さらに,各サブクラスタ上のSNVの対立遺伝子比は,クラスタリングなしで呼ばれるSNVの対立遺伝子比に対して2倍以上であり,SNV検出の感度の増加とサブクローンへのSNVの付着の両方に加えて,サブクローン上の変異体の呼び出しは,いわゆる変異体の信頼度を著しく増加させることを示した。アベイラビリティSECEDOはC++に実装され,https://github.com/ratschlab/secedoで公開されている。【JST・京大機械翻訳】
