- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信菜鸟团
多位点测序与肿瘤空间进化
Online https://academic.oup.com/nsr/article/11/5/nwae150/7656974 高频突变基因：包括已知驱动基因（如TP53、CDKN2A）和新发现的肿瘤抑制基因 相比之下，大多数染色体改变往往发生在早期或中期，这表明核型转变是一个早期基因组事件，可能与肿瘤恶性转化相关（Fig2a）。 系统发育进化枝可分别分为主干进化枝、分支进化枝和私有进化枝（Fig2b），将分支进化枝映射到原发性肿瘤的物理区域，发现部区域明显比其他区域包含更多靠近肿瘤中心的分支进化枝（Fig2f ），这表明来自肿瘤中心的亚克隆更有可能沿食道向上扩张 空间进化：考虑到肿瘤生长过程中选择驱动的亚克隆突变扩增，我们定义了区域克隆性评分 (RCS)，以根据克隆性最高的亚克隆突变簇来评估亚克隆的选择压力。 总结 该研究创新点在于提出了肿瘤空间进化模型：首次提出ESCC的“空间定向进化”理论，揭示亚克隆扩张的方向性与免疫微环境相互作用。
15400编辑于 2025-04-13 - 来自专栏生信菜鸟团
肿瘤基因组测序数据高级分析--肿瘤基因组测序数据分析专栏
主要可以分为以下几点： 显著突变基因 驱动突变基因 突变特征分析 肿瘤微卫星稳定性分析 肿瘤突变负荷TMB 肿瘤新抗原预测 局部显著性拷贝数变异 肿瘤纯度和倍性评估 肿瘤克隆进化分析 这些分析中也用到了很多工具 最初TMB通过全外显子测序（WES）进行检测表征，其本质上认为基因突变仅限于外显子（编码区）；后来也有很多文章基于特定 Panel 数据评估 TMB，或者基于 ctDNA 数据评估 bTMB等，原理都一样 肿瘤纯度和倍性评估 通常来说，对肿瘤组织进行测序，往往是一个混合样品，既包括肿瘤细胞也包括正常细胞，因此需要进行肿瘤纯度 purity 的评估。 当从混合样品中提取 DNA 进行测序后，得到的也是一个混合样品的结果。肿瘤不一定是单纯的二倍体了，其本身异质性高，直接分析拷贝数变异，得到的结果并不准确，评估肿瘤倍性 ploidy 也更加必要。 肿瘤克隆分析比较复杂，中间涉及到很多概念：VAF、肿瘤纯度、肿瘤倍性、CCF、CP、CNV 等。
4.8K43发布于 2021-10-12 - 来自专栏医学数据库百科
GENIE | 大型肿瘤基因组测序数据集
对于大型的肿瘤公共测序数据集而言，其中最出名的肯定还是 TCGA 数据了。对于 TCGA 数据我们之前也做过基本的介绍。 ![[TCGA、ICGC、GTEx-数据库都是啥？ #TCGA]] 但是除了 TCGA 之外，还有很多公共的有组织的大型测序数据集。 Project GENIE: https://www.aacr.org/professionals/research/aacr-project-genie/ 数据集介绍 GENIE 是一个纳入了 19 个机构肿瘤患者测序数据的综合性数据集 其中就包括了，我们之前介绍的 [[MSKCC-肿瘤相关基因组检测公共数据库介绍]] 的数据。 和 TCGA 不同的是，目前的 GENIE 主要包括的还是基因组测序的数据。 其他数据集介绍 测序数据集 [[Met500-肿瘤转移数据集介绍]] [[MSKCC-肿瘤相关基因组检测公共数据库介绍]] [[ENCODE-转录调控必知数据库]] 流调数据集 [[HINTS-美国健康信息趋势调查数据集
2K10编辑于 2022-04-01 - 来自专栏生信技能树
肿瘤panel测序研究不应该公开基因列表吗
最近接了几个不同癌症队列的panel测序数据分析项目，大多是在基因加、南京世和等公司购买的panel和测序服务。 数据分析我们一般希望是从fastq的测序数据文件开始，但是因为并不是常规肿瘤外显子，所以使用agilent的v6不管用，很多流程都需要其panel对应的个性化的bed文件。 基因列表 肿瘤panel测序文章解读 一般来说就是5个步骤： snv和cnv的突变全景图 cnv的gistic2结果展示 突变的临床分类探讨 突变的临床关联探讨 生存分析确定临床意义 snv和cnv的突变全景图 突变的临床关联探讨 生存分析确定临床意义 一般来说，肿瘤panel涉及的基因就几百个，跑个循环就可以挑出来了那些有统计学显著的，比如文章就展示了： ? 长期提供肿瘤队列数据分析 如上所示的分析，主要是基于R语言的统计可视化，收费8000元，如果是从fastq文件开始，就涉及到快递硬盘，涉及到计算机资源租用，价格翻倍哈！
89830发布于 2021-07-06 - 来自专栏用户7627119的专栏
单细胞测序技术如何领跑肿瘤的免疫治疗？
而对于肿瘤免疫治疗，单细胞测序技术不仅可以为肿瘤内在或者外在的驱动机制提供独特的见解，而且可以为新免疫疗法面临的原发或者获得性耐药提供新的认知。 然后，我们讨论了单细胞技术的未来发展方向，以及它们在推进免疫肿瘤学领域可能发挥的作用。 单细胞组学 1. 什么是单细胞转录组测序？ 如何使用单细胞测序技术分析肿瘤细胞与免疫治疗应答？ 在使用scRNA-seq技术分析肿瘤细胞时，无论是在肿瘤之间还是在单个肿瘤内，肿瘤异质性都是突出的主要特征。 此外，单细胞TCR测序技术可以用来分析确定T细胞抗原特异性，并提供有关获得性免疫系统在肿瘤形成、生长和治疗中作用的关键信息。 因此，通过单细胞测序技术获得的多维生物标记物信号对于医务工作者来说，可以为每个癌症患者做出最佳的治疗选择。另外，单细胞测序技术也可以为肿瘤免疫学提供丰富的数据与信息，为后续的研究提供支持。
1.1K10编辑于 2022-09-21 - 来自专栏单细胞天地
单细胞RNA测序综述汇总—肿瘤研究的新工具
而近年来兴起的单细胞测序技术，结合数据整合方法的创新，使得精细理解肿瘤及肿瘤微环境中细胞间的相互作用，表征疾病进展过程中肿瘤内部结构成为可能，本文着重介绍单细胞RNAseq测序技术原理、肿瘤研究中应用、 而单细胞转录组测序的广泛应用，能推断出遗传的变异、区分鉴别肿瘤细胞内各种已知/未知的细胞亚群，分析肿瘤细胞和基质细胞的相互作用，为肿瘤进化的机制研究、靶向药物的筛选临床应用至关重要。 本文将从单细胞RNAseq测序技术原理、肿瘤研究中的应用、多组学数据整合分析、展望等四个方面进行阐述。 单细胞RNAseq 在肿瘤研究中的应用 二代测序方法的出现，已经成为研究肿瘤精准治疗的关键。 其中一个合理的解释是，这些测序分析都是基于大量肿瘤细胞总体数据。
2.2K31发布于 2020-03-27 - 来自专栏生信菜鸟团
仅肿瘤样本的突变过滤方法--肿瘤基因组测序数据分析专栏
DNA 样本，肿瘤样本通常来自福尔马林固定、石蜡包埋 (FFPE) 样本，正常组织通常是血液或癌旁组织，并从肿瘤样本中减去种系突变。 在仅肿瘤组织中样本鉴定的突变，使用可用数据库和其他资源进行突变过滤，如：在线数据库、已发表的文献、蛋白质预测工具等，以产生仅体细胞肿瘤突变的列表。 前者由于需要对正常配对样本进行测序，会增加成本。 为了提高基于仅肿瘤样本进行体细胞变异鉴定的准确性，作者使用了靶向 panel 测序，优化仅肿瘤样本体细胞变异分析的过滤方法，并进行了验证。 研究方法 病人和样本： 1120 名肿瘤患者，肿瘤和匹配的正常样本，共 2240个，包含多种癌症，使用 48 基因的 panel-TSACP 进行测序。 ：使用 Alissa Interpret 进行仅肿瘤样本的变异分析，该方法得到的变异结果再进行过滤： 对于 panel-TSCAP 主要分为以下三个阶段进行过滤，最后比较仅肿瘤样本和肿瘤正常配对样本得到的种系突变和体细胞的突变的异常
1.7K40编辑于 2022-04-08 - 来自专栏生信菜鸟团
Bulk WES 和单细胞DNA测序重建肿瘤突变谱系
研究方法 流程： 1.先对5例TNBC患者的冷冻样本及其配对正常样本进行 bulk WES，测序深度是肿瘤200x，正常样本60x，然后分析得到 Somatic mutation 2.对得到的所有 Somatic mutation 汇集在一起，然后定制商业化的靶向测序panel 3.在Mission Bio 平台进行 scDNA-seq，每个肿瘤样本大约分析 5000个肿瘤细胞 bulk-wes 测序和分析：在经过 研究结果 TNBC 的 bulk WES：实际上是先对肿瘤细胞进行FACS富集的，保留肿瘤倍性在 2.65~3.7 的非整倍体细胞（图2A），然后进行全基因组测序估计拷贝数（图2B），外显子测序（Roche 然后设计好 MPT panel 后在 microdroplet (Mission Bio) scDNA-seq 平台对5个肿瘤的23526个细胞进行单细胞测序。 而对于TN1 TN3 TN5 肿瘤样本，则表现为单克隆 单细胞测序和 bulk wes 测序结果比较：两个数据集之间 VAF 的 Pearson 相关系数的计算显示 5 名患者之间存在高度相关性（平均值
59710编辑于 2024-03-25 - 来自专栏单细胞天地
单细胞测序技术在循环肿瘤细胞检测中的应用
单细胞测序技术的出现很好地解决了这个问题。CTCs单细胞测序可用于比较外周血CTCs、肿瘤原发灶和转移灶、转移淋巴结中单细胞基因组、转录组和表观遗传组的差异，减少肿瘤异质性的干扰。 单细胞测序为了解肿瘤发生和发展的生物学过程提供了新的视角，并已应用于乳腺癌、结直肠癌、恶性黑色素瘤、肺癌和前列腺癌等肿瘤研究 。 循环肿瘤细胞的单细胞测序 作为肿瘤进展的重要指标，对实体瘤患者外周血进行CTC单细胞全基因组测序分析有助于了解肿瘤的发生、发展，尤其是肿瘤异质性和耐药性，并能识别肿瘤发生机制发展。 CTC分析可揭示肿瘤转移机制 肿瘤的复发和转移是肿瘤死亡的主要原因。CNV等突变模式的CTC单细胞测序分析有助于了解肿瘤转移的机制。 对原发肿瘤、转移灶和CTC单细胞进行外显子组测序分析，发现其中9个CTC与原发肿瘤相关。
2.3K20编辑于 2022-03-14 - 来自专栏Sentieon
Sentieon | 每周文献-Tumor Sequencing（肿瘤测序）-第三期
肿瘤测序系列文章-1标题（英文）：The relationship between genetic characteristics and clinical characteristics and the 中国医学科学院北京协和医学院北京协和医院核医学科等发表年份：2022文章地址：https://doi.org/10.19401/j.cnki.1007-3639.2022.05.002图片本研究对局部晚期或转移性儿童及青少年DTC队列的肿瘤样本进行二代测序 肿瘤测序系列文章-2标题（英文）：Development of a Novel Reference Material for Tumor Mutational Burden Measurement Based ：2022文章地址：https://doi.org/10.3389/fonc.2022.845636图片作为影响免疫检查点抑制剂治疗决策的生物标志物，肿瘤突变负荷（TMB）估计的准确性、可靠性和可比性至关重要 图片该研究首先使用CRISPR/Cas9系统生成与MSH2和POLAR变体共存的新细胞系，然后利用WES测序对构建的编辑细胞突变和TMB进行了检测和验证；最后，基于WES测序结果将编辑细胞进行梯度比例混合
28720编辑于 2023-08-21 - 来自专栏用户7627119的专栏
单细胞测序在肿瘤研究中的新进展，文献集锦
运用单细胞测序来研究癌症进展就成为目前有效的研究方法，有助于建立单细胞基因组学领域。辅助临床找到有效的对抗某些肿瘤的靶向药物，从而达到缓解病痛甚至治愈的作用。 13名患者接受病灶内T-VEC治疗，其中11名患者在病灶注射处显示肿瘤反应。作者利用FNAs的单细胞测序，在恶性肿瘤人群中分离并鉴定出三种pCBCL亚型。 测序结果发现大多数肾上腺NB肿瘤细胞转录镜像成去甲肾上腺素能嗜铬细胞。恶性状态也概括了嗜铬细胞在正常发育过程中的增殖或分化状态。 全面了解这种肿瘤特异性生态系统对于提高癌症的诊断、治疗和预后是很有必要的。然而，基于大体积RNA测序的最新进展仍不足以构建鼻咽癌浸润基质细胞的深入图景。 作者的这些研究结果提供了单细胞图谱，探索了肿瘤内的异质性，并为骨肉瘤治疗提供了潜在的治疗靶点。 单细胞测序影响了癌症研究的许多领域，并提高了临床医师对肿瘤内异质性、肿瘤微环境、转移和治疗耐药性的认识。
1.3K20编辑于 2022-09-21 - 来自专栏生信菜鸟团
dbNSFP数据库--肿瘤基因组测序数据分析专栏
dbNSFP，用于对人类基因组中所有潜在的非同义单核苷酸变异 (nsSNV) 进行功能注释和预测，前者提供与其潜在功能间接相关的突变的定性或描述性注释，例如突变是否为非同义SNV；后者通常基于统计模型提供突变的直接定量或是或否有害性预测。目前该数据库更新到了 v4 版本（每更新一个版本就发一篇文章），共包括了 84,013,490 个 nsSNV 和 ssSNV。主要使用 38 种预测算法来对突变位点进行功能预测 和 9 种保护打分算法：
1.6K10编辑于 2022-04-08 - 来自专栏生信技能树
肿瘤全外显子测序数据分析流程大放送
这个一个肿瘤外显子项目的文章发表并且公布的公共数据，我这里给出全套分析流程代码。只需要你肯实践，就可以运行成功。 sequencing (WES) study was performed in 161 NPC cases and 895 controls of Southern Chinese descent 测序概述 ls *.gz |xargs ~/biosoft/fastqc/FastQC/fastqc -o ./ -t 5 但是值得注意的是本文章中的测序reads的编码格式是phred+64 而不是传统的33 T的外显子区域平均测序深度高达91X，是比较好的数据了，而且外显子旁边50bp范围区域平均测序深度还有57X，旁边100bp区域还有34X，也说明这款芯片的捕获效率比较好 然后走走somatic mutation confidence)3502 were LOH (3484 high confidence) 这3个软件找到的somatic mutation可以互相对比一下，差异主要是在哪里，都值得自己去探究，这样最终确定的肿瘤外显子测序数据分析流程就更有把握
3.4K80发布于 2018-03-09 - 来自专栏生信菜鸟团
使用 Manta 检测结构变异--肿瘤基因组测序数据分析专栏
值得注意的事，该软件既可以用于 germline SV 的检测（家系样本），也可以用于 Somatic SV 的检测（肿瘤样本） 下载安装 该软件支持多种安装方式，如果要从源码安装，则需要解决环境问题如 .fasta \ --runDir ${MANTA_ANALYSIS_PATH} ${MANTA_ANALYSIS_PATH}/runWorkflow.py 对于 Somatic （也支持非配对的肿瘤样本 Homo_sapiens_assembly38.fasta \ --runDir ${MANTA_ANALYSIS_PATH} ${MANTA_ANALYSIS_PATH}/runWorkflow.py 对于外显子测序 ，还可以使用 --callRegions指定 bed 文件，--exome 指定外显子测序。
6.1K20编辑于 2022-05-24 - 来自专栏生信菜鸟团
文献阅读 · 变异分析流程--肿瘤基因组测序数据分析专栏
如果是全基因组测序，还有检测结构变异 SV，常用的软件有 DELLY 、Lumpy 、Manta 、Pindel 和 SVMerge ，但由于二代测序的 reads 读长较短，检测 SV 仍然存在挑战性 B图则显示两个亲本都是杂合缺失，先证者是纯合缺失 C图父亲和先证者都是杂合缺失 D图覆盖深度上可以看到绿色的reads显示先证者和母亲存在的串联重复 由于短读长测序在检测 SV 上的准确性只有0.8 但是由于临床样本存在肿瘤纯度的问题，且存在亚克隆突变导致很多体细胞突变频率较低，使得难以检测出来。 基于一组正常样本（通常是50个）的 PoN（Panel of Normal） 进行过滤：这有利于排除掉 germline mutation 和由于实验或测序技术造成的 artifacts。 过滤之后还有更多分析，如肿瘤异质性、TMB评估、克隆分析、突变特征分析 Mutation Signature、肿瘤纯度评估、驱动突变的推断、MSI 评估、新抗原预测等。
1.9K61发布于 2021-09-17 - 来自专栏用户7627119的专栏
Cell ——单细胞TCR测序揭示肿瘤新抗原疫苗引发高特异性且持久的肿瘤杀伤T细胞反应
本临床试验首次将个性化肿瘤新抗原疫苗(NEO-PV-01)与PD-1抑制剂联合应用在高TMB、转移性肿瘤的治疗中，并通过单细胞TCR测序分析，揭示肿瘤新抗原疫苗特异性T细胞的克隆型动态变化，对T细胞反应进行精准详细的表征 为了进一步阐释疫苗引发的细胞毒性T细胞反应的抗癌功能，从3例接种NEO-PV-01疫苗后取得9个月及以上无进展生存期的病人外周血和肿瘤样本，通过单细胞TCR测序，检测抗原特异性T细胞的TCR序列信息。 在其中一例患者的转移性肿瘤携带RICTOR基因突变，在外周血中发现特异性识别RICTOR基因突变新抗原的CD8+T细胞。单细胞TCR测序识别出了3种CD8+T细胞的主要克隆型。 通过单细胞TCR测序，识别出了这些CD4+T细胞含有多种克隆型，其中2个克隆型仅在NEO-PV-01治疗后的肿瘤活检样本中被发现。 NEO-PV-01联合anti-PD-1治疗引发细胞毒性T，可以迁移到转移性肿瘤并诱导抗原决定簇扩散 04 结论 单细胞TCR测序精细区分T细胞亚群的克隆型，并通过时间和空间上的变化关系揭示： · NEO-PV
1.4K30编辑于 2022-09-21 - 来自专栏生信菜鸟团
CNVkit的使用方法--肿瘤基因组测序数据分析专栏
简介 在进行肿瘤基因组数据分析时，拷贝数变异分析是常用的分析要点之一。 CNVkit 则是用于基因组测序 WGS 和 WES 进行 call CNV 的工具之一，基于python 编写，给出的 CNV 结果相对可靠，操作起来也比较简单。 CNVkit 的子命令 call cnvkit 最后有一步 call，可以对拷贝数进行基于B等位基因频率、肿瘤倍性和肿瘤纯度、患者性别等指标进行矫正的（非必须），新生成的 cns 文件多了一列为 cn， cnvkit.vcf \ --drop-low-coverage \ -o 8.cnv/cnvkit/${tumor}_call.cns done 基于肿瘤纯度和肿瘤倍性 ：-t=-1.1,-0.4,0.3,0.7 If log2 value is up to Copy number -1.1 0 -0.4 1 0.3 2 0.7 3 … … clonal：使用给定的肿瘤纯度和肿瘤倍性
9.1K31编辑于 2021-12-26 - 来自专栏生信菜鸟团
GATK 的 Germline mutation 流程--肿瘤基因组测序数据分析专栏
简介 基因组测序，最重要的就是检测变异位点，对于家系数据、遗传病研究，更多的是关心 Germline mutation 生殖突变。当然，部分肿瘤研究也会关注 Germline mutation。 GenomicsDBImport、GenotypeGVCFs、VariantRecalibrator、 ApplyVQSR 等工具 流程图 Germline mutation 分析，对样本没有太多的要求，肿瘤非配对样本也可以分析 它还需要相当多的数据来了解好与坏变体的概况，因此在仅涉及一个或几个样本的小数据集、靶向测序数据、RNAseq 上使用可能很困难甚至不可能使用，以及非模式生物。
4.6K31发布于 2021-11-15 - 来自专栏生信菜鸟团
体细胞突变的过滤方法--肿瘤基因组测序数据分析专栏
简介 一般来说，肿瘤体细胞突变的分析都要求需要肿瘤与正常配对样本，采用如 MuTect2、MuSE、Varscan2、SomaticSniper、Strelka2 之类的工具来 call 体细胞突变。 samtools.github.io/hts-specs/VCFv4.2.pdf Mutect2 的 vcf 文件 Mutect2 的体细胞突变检测方法在GATK 的Somatic Mutation流程--肿瘤基因组测序数据分析专栏 Strelka2 的 vcf 文件 Strelka2 的体细胞突变检测方法在Strelka2 call Somatic 流程--肿瘤基因组测序数据分析专栏 已经有详细介绍了。 这里从附件中挑出来几个具有代表性的例子： 正常的体细胞突变示例 当变异在肿瘤样本中有足够的支持并且没有明显的测序伪影时，就会进行体细胞调用。在本例中，该突变被假定为真正的体细胞突变。 具体来说，考虑到高错误率和错误的随机分布，当错误在肿瘤样本中而不是在正常样本中时，可能会出现假变异。
5.5K11编辑于 2022-01-27 - 来自专栏生信菜鸟团
Strelka2 call Somatic 流程--肿瘤基因组测序数据分析专栏
machine with 20 parallel jobs demo_somatic/runWorkflow.py -m local -j 20 在构建 config 这一步时，需要注意一点，对于肿瘤外显子或者靶向测序
4.5K21发布于 2021-11-23
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号