单细胞拷贝数变异与事件历史重建的SCICONE模型

肿瘤的发展过程中,基因组拷贝数变异(Copy Number Alterations, CNAs)是驱动肿瘤异质性和进化的重要因素。理解这些变异对于开发个性化的癌症诊断和治疗方法至关重要。单细胞测序技术提供了最高分辨率的拷贝数分析,能够深入到单个细胞水平。然而,低读深(low read-depth)的全基因组测序数据给拷贝数变异的检测带来了巨大的统计和计算挑战。现有的计算方法大多忽略了细胞之间的进化关系,导致检测结果不够准确。因此,开发一种能够结合细胞进化历史的拷贝数检测方法成为当前研究的迫切需求。 论文来源 本论文由ETH Zurich(瑞士联邦理工学院)和SIB Swiss Institute of Bioinformatics(瑞士生物信息学研究所)的研究团队共同完成,主要作者包括Jac...

GCLink:一种用于基因调控网络推断的图对比链接预测框架

研究背景 基因调控网络(Gene Regulatory Networks, GRNs)是理解细胞内复杂生物过程的关键工具。它揭示了转录因子(Transcription Factors, TFs)与靶基因之间的相互作用,从而控制基因的转录过程,进而调控细胞行为。随着单细胞RNA测序(single-cell RNA-sequencing, scRNA-seq)技术的发展,研究者能够在单细胞分辨率下获取基因表达数据,这为GRNs的推断提供了前所未有的机会。然而,scRNA-seq数据的稀疏性和高变异性为GRNs的推断带来了巨大挑战。 现有的GRN推断方法主要分为两类:基于相关性或互信息的无监督学习方法,以及基于机器学习的监督学习方法。尽管这些方法在某些情况下表现出色,但它们往往依赖于成对基因的相关...

单细胞转录组学中的轨迹对齐:Tragedy方法的创新与应用

单细胞转录组测序(single-cell RNA sequencing, scRNA-seq)技术的出现,为研究细胞发育和分化过程中的基因表达动态提供了前所未有的分辨率。然而,由于生物过程的复杂性,不同条件下的细胞发育轨迹往往是不对称的,这给数据的整合和比较带来了挑战。现有的方法通常依赖于将不同条件下的样本整合后再进行聚类分析或推断共享轨迹,但这些方法在处理不对称轨迹时往往效果不佳,可能会掩盖关键的差异表达基因(differentially expressed genes, DEGs)。 为了解决这一问题,研究人员开发了一种新的方法——Trajectory Alignment of Gene Expression Dynamics (Tragedy)。Tragedy方法能够在不进行数据集整合...

大规模基因组测序研究中的高效存储与回归计算

随着大规模人口生物样本库的日益普及,全基因组测序(Whole Genome Sequencing, WGS)数据在人类健康和疾病研究中的潜力得到了显著提升。然而,WGS数据的庞大计算和存储需求给研究机构,尤其是资金不足的机构或发展中国家的研究人员带来了巨大挑战。这种资源分配的不平等限制了前沿遗传学研究的公平性。为了解决这一问题,Manuel A. Rivas和Christopher Chang等人开发了新的算法和回归方法,显著减少了WGS研究的计算时间和存储需求,特别是针对罕见变异的处理。 论文来源 这篇论文由Manuel A. Rivas和Christopher Chang共同撰写。Rivas来自斯坦福大学生物医学数据科学系,Chang则供职于Grail Inc.。该论文于2025年2月1...

胶质母细胞瘤患者血管毒性的临床和遗传标志物:NRG肿瘤学RTOG-0825的见解

胶质母细胞瘤患者血管毒性的临床与遗传标志物研究:NRG Oncology RTOG-0825的启示 学术背景 胶质母细胞瘤(Glioblastoma, GBM)是一种高度侵袭性的脑癌,占恶性原发性脑肿瘤的近80%。尽管标准治疗包括手术切除、放疗和化疗,但患者的生存期仍然较短,中位生存期仅为12-15个月。治疗过程中,血管毒性(如血栓形成和高血压)是常见的副作用,可能导致治疗中断或死亡。特别是,血栓形成与GBM患者的生存率下降相关,而高血压则与较长的无进展生存期和总生存期相关。因此,识别这些血管毒性的风险因素对于改善临床决策和治疗效果至关重要。 本研究旨在通过临床和遗传标志物,探索GBM患者在治疗期间发生血栓形成和高血压的风险因素,并评估这些标志物在预测血管毒性中的作用。 论文来源 本研究由J...

基因组再分析为欧洲罕见病资源带来新诊断

欧洲罕见病基因组数据再分析研究:新诊断与未来蓝图 学术背景 罕见病是指影响人群比例极低的疾病,欧盟将其定义为每10万人中患病人数少于50人的疾病。尽管罕见病种类繁多(超过6000种),但其中超过70%的罕见病与遗传因素相关。这些疾病对个人和医疗系统构成了重大负担,约3.5%-6.0%的人在其一生中会受到罕见病的影响。尽管基因组测序技术在罕见病诊断中取得了显著进展,但仍有大量患者未能获得明确的分子诊断。近年来,已有研究表明,对现有基因组数据进行再分析可以带来新的诊断,尤其是在新疾病基因的发现和基因组变异注释的改进方面。然而,由于再分析需要大量的时间和多学科专业知识,这一过程并未成为常规操作。 为了解决这一问题,欧洲37家专家中心联合成立了Solve-RD联盟,旨在通过系统化的再分析,提高罕见病...