基于下一代測序的腫瘤基因組拷貝數(shù)變異檢測算法研究.pdf

1、癌癥的發(fā)生和發(fā)展規(guī)律一直是癌癥相關(guān)研究的焦點。癌癥基因組拷貝數(shù)變異檢測是發(fā)現(xiàn)癌癥相關(guān)基因的基礎(chǔ)，因此成為很多癌癥研究的首要任務(wù)。隨著高通量DNA測序技術(shù)的發(fā)展，癌癥基因組學(xué)研究的實驗手段已經(jīng)從傳統(tǒng)的比較基因組雜交和單核苷酸多態(tài)性等陣列技術(shù)逐步過渡到下一代測序技術(shù)。
　　由于數(shù)據(jù)量龐大，高效分析下一代測序數(shù)據(jù)成為相關(guān)領(lǐng)域的一個難點。另外，腫瘤樣本通常存在正常細胞污染、基因組非整倍性和腫瘤異質(zhì)性等復(fù)雜問題。這些問題都會對測序數(shù)據(jù)產(chǎn)生不

2、可忽視的干擾，從而嚴重影響拷貝數(shù)變異檢測的準確性。因此，癌癥基因組拷貝數(shù)變異檢測算法需有效解決上述關(guān)鍵問題。
　　本文通過對腫瘤下一代測序數(shù)據(jù)進行分析和總結(jié)，設(shè)計和開發(fā)出幾種不同應(yīng)用背景下基因組拷貝數(shù)變異檢測的算法和工具，主要的研究內(nèi)容和成果總結(jié)如下:
　　1.提出了一種從非成對腫瘤全基因組測序數(shù)據(jù)中檢測拷貝數(shù)變異和雜合性缺失的算法CLImAT，可自動修正正常細胞污染和腫瘤非整倍性對全基因組測序數(shù)據(jù)產(chǎn)生的影響。首先，該算法采

3、用了有效的信號校正和標準化過程，包括一種非參數(shù)方法校正讀深信號中的GC和mapppability偏差，以及一種分位數(shù)標準化方法校正等位基因頻率偏差。其次，該算法中引入了一種新穎的隱馬爾科夫模型用于聯(lián)合分析讀深和等位基因頻率，并對正常細胞污染和腫瘤倍性進行了參數(shù)化建模，從而可靠檢測腫瘤基因組拷貝數(shù)變異和雜合性缺失。最后，通過在多個數(shù)據(jù)集上的性能評估，表明CLImAT在處理復(fù)雜腫瘤樣本的全基因組測序數(shù)據(jù)時具有明顯優(yōu)勢。
　　2.提出了

4、一種從異質(zhì)性腫瘤全基因組測序數(shù)據(jù)中檢測不同克隆群體基因組拷貝數(shù)變異和雜合性缺失的算法CLImAT-HET。該算法考慮了腫瘤異質(zhì)性對全基因組測序數(shù)據(jù)的影響，并采用階乘隱馬爾科夫模型對數(shù)據(jù)進行分析。CLImAT-HET的優(yōu)勢主要體現(xiàn)在以下三個方面:1）對多個克隆群體產(chǎn)生的混合信號進行合理分解，明顯提高了拷貝數(shù)變異和雜合性缺失的檢測性能;2）對細胞比例較小的亞克隆群體中的基因組變異更加敏感;3）能估計每個腫瘤克隆群體的細胞比例。
　　3

5、.提出了一種利用腫瘤和正常樣本的成對外顯子測序數(shù)據(jù)檢測拷貝數(shù)變異的算法CloneCNA。該算法采取有效的數(shù)據(jù)預(yù)處理方法，減輕了正常細胞污染、腫瘤基因組非整倍性和腫瘤異質(zhì)性等問題對外顯子測序數(shù)據(jù)的影響。CloneCNA中也采用了階乘隱馬爾科夫模型用于分析腫瘤克隆群體及其基因組拷貝數(shù)變異和雜合性缺失，并對正常細胞污染、腫瘤倍性和腫瘤異質(zhì)性進行了參數(shù)化建模，從而可靠檢測出不同克隆群體的拷貝數(shù)變異。此外，該算法利用貝葉斯信息準則評估不同腫瘤克隆

6、群體數(shù)目下模型的復(fù)雜度，并選取最優(yōu)的克隆群體數(shù)目。通過在多個測試數(shù)據(jù)集上的性能評估，表明CloneCNA具有優(yōu)異的拷貝數(shù)變異檢測性能。
　　4.設(shè)計了一種從外顯子測序數(shù)據(jù)中檢測拷貝數(shù)變異并對其進行注釋的在線生物信息學(xué)工具DeAnnCNV。該工具能同時處理多個樣本的外顯子測序數(shù)據(jù)，準確檢測出拷貝數(shù)變異并提供詳細的可視化結(jié)果。此外，該工具中集成了現(xiàn)有的生物信息學(xué)數(shù)據(jù)庫資源，可對出現(xiàn)在多個樣本中的拷貝數(shù)變異進行多方面注釋并提供有用的功能