معلومة

ما هو اختلاف رقم النسخة البؤرية؟

ما هو اختلاف رقم النسخة البؤرية؟


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

في كثير من الأحيان ، تتحدث دراسات علم الوراثة ، وخاصة الدراسات الجينية الواسعة ، عن "اختلافات رقم النسخ البؤري" في الجينات أو مناطق الكروموسوم. أنا أعرف ما هو اختلاف رقم النسخ. ماذا تعني كلمة "بؤري" بالضبط؟

هل هناك CNVs غير بؤرية؟ ما هم؟ من أين نشأ مصطلح "البؤري"؟ هل هناك ورقة محددة صاغت المصطلح (ونأمل أن تعرفه بشكل لا لبس فيه)؟

من المفترض أن يؤدي البحث عن "تباين رقم النسخة البؤرية" على الباحث العلمي من Google إلى توفير الكثير من الأوراق البحثية حوله. تعد خوارزمية GISTIC طريقة حسابية شائعة للعثور على CNVs المفترضة - لذلك قد تحتوي المعلومات حول هذه الخوارزمية على بعض الأدلة.

ينص نص التوثيق لتطبيق GISTIC على موقع ويب Broad Institute على ما يلي:

(8) واسع أو بؤري: يحدد ما إذا كانت المنطقة تصل إلى الأهمية بسبب أحداث واسعة النطاق في المقام الأول (تسمى "واسعة") ، أو الأحداث البؤرية (تسمى "بؤرية") ، أو أحداث واسعة النطاق ومحورية بشكل مستقل (تسمى "كلاهما").


تباين رقم النسخ (CNV) هو عندما يختلف عدد نسخ جين معين من فرد إلى آخر.

من: مسرد المعاهد الوطنية للصحة

CNV البؤرية هي مناطق من المعلومات الجينية المتكررة التي تمتد فقط على نسبة صغيرة (أقل من 25٪) من ذراع الكروموسوم (على الرغم من أن هذا لا يبدو أنه قاعدة ثابتة) ، ويمكن أن تحتوي على عدد قليل من الجينات. يُطلق على CNVs الأكبر من ذلك إما "على نطاق واسع" أو "واسع".


إليك بعض الأوراق ذات الصلة التي صادفتها (لا شك أن هناك المزيد) ؛

تتناول هذه الورقة البحثية برنامج (VarScan2) الذي وضعه المؤلفون للكشف بقوة عن الطفرات الجسدية والتنوعات السكانية.

لتحديد SCNAs [تعديلات رقم النسخة الجسدية] ، يقارن VarScan 2 Q20 (الجودة الأساسية> = 20) أعماق القراءة بين الورم والعينات الطبيعية للمناطق المجاورة للتغطية ... لذلك ، نطبق خوارزمية التجزئة الثنائية الدائرية (CBS) (Seshan and Olshen 2010) لتحديد المقاطع برقم النسخ وتحديد نقاط التغيير الهامة. دمج إجراء الانضمام اللاحق المقاطع المتجاورة من رقم نسخة مماثل وصنفها إما على نطاق واسع (> 25٪ من ذراع الكروموسوم) أو أحداث بؤرية.

من: Koboldt D، وآخرون, 2012.

واصلت البحث ، حيث تساءلت عما إذا كان هذا تعريفًا قياسيًا أم مجرد تعريف يستخدمه المؤلفون.

تقدم هذه الورقة تقريرًا عن الجينات البكتيرية التي تسبب الانحرافات الصبغية البؤرية ، ولكنها لا تقدم تعريفًا رائعًا (لأنها تبدو اعتباطية تمامًا بالنسبة لي) ؛

العديد من هذه الانحرافات [الكروموسومية] تتعلق بمناطق كروموسومية كبيرة ، مما يجعل من الصعب تحديد الجينات المحركة الفعلية. زيادة الدقة أدت إلى الكشف عن الانحرافات الصبغية البؤرية ، المعرفة بحجم 3 ميغا بايت أو أصغر [5-8]. تحتوي الانحرافات البؤرية المتأصلة في حجمها على عدد صغير من الجينات ، مما يسهل التعرف على الجينات الدافعة

من: Brosens R، وآخرون, 2010.

هذا المقتطف مأخوذ من إحدى الدراسات المشار إليها في الورقة السابقة (عندما يذكرون تعريفهم لـ CNVs البؤري). هذه الورقة حول CNVs في الخلايا السرطانية المختلفة.

تحتوي الأورام الأولية على نسب متفاوتة من الخلايا غير الورمية وبالتالي تحجب التضخمات البؤرية ، المحددة من خلال زيادة عدد النسخ لمنطقة صغيرة من الجينوم ، من المكاسب البسيطة لأذرع الكروموسوم الكاملة.

من: Leary RJ، وآخرون, 2008.


الآلية اللاجينية في دورة الحياة وعلم الوراثة الدوائية

رامون كاكابيلوس. بابلو كاكابيلوس ، في علم الوراثة الدوائية ، 2019

1.3.5 تباين رقم النسخ (CNV)

تباين عدد النسخ (CNV) منتشر في الجينومات حقيقية النواة وقد تورط في العديد من الاضطرابات البشرية. يعزز CNV كلاً من تكون الأورام ومقاومة العلاج الكيميائي. CNVs هي طفرات عشوائية تنشأ من خلال عيوب النسخ المتماثل. يمكن أن يتداخل النسخ مع تقدم واستقرار شوكة النسخ المتماثل ، مما يؤدي إلى زيادة معدلات الطفرات في المواقع عالية النسخ. هال وآخرون. 373 درس ما إذا كان المروجون المحرضون يمكن أن يحفزوا CNV لإحداث تغييرات وراثية قابلة للتكاثر خاصة بالبيئة. CNV لجين مقاومة النحاس كوب 1 يحفزه النحاس البيئي. يعمل تحفيز CNV على تسريع تكوين أليلات جديدة تمنح مقاومة معززة للنحاس ، مثل أن التعرض للنحاس يؤدي بنشاط إلى التكيف مع البيئات الغنية بالنحاس. يتم تنظيم CNV بواسطة كل من نشاط المروج والأستلة في هيستون H3 ليسين 56 (H3K56ac). H3K56ac مطلوب من أجل كوب 1 CNV والتكيف الفعال مع النحاس. 373


نتائج

صفائف التبليط قليلة النوكليوتيد الجينوم الكامل (

تم تصميم 290،000 موقع) كما هو موضح في قسم الأساليب ، باستخدام التسلسل الكامل الوحيد T. كروزي سلالة ، الهجين CL Brener ، كقالب. بسبب الطبيعة الهجينة لسلالة CL Brener ، مع أليلاتها "التي تشبه Esmeraldo" (Esm) و "non-Esmeraldo" (non-Esm) ، كان من الممكن تصميم مجسات خاصة بالأليل للعديد من مناطق الجينوم. تحتوي مناطق الجينوم الغنية بالجينات التي هي أعضاء في عائلات جينية كبيرة على عدد قليل نسبيًا من التحقيقات لأن التشابه في التسلسل بين أفراد العائلة لم يسمح بتصميم تحقيقات خاصة بالجينات.

كتحقق من دقة المصفوفات ، أجرينا عمليات تهجين مقارنة بالوزن T. كروزي سلالات مع سلالات طفيليات قاضية جينية ولدت في مختبرنا [10]. يُظهر الملف الإضافي 1 بيانات CGH لأحد هذه التهجين الذي يقارن سلالة خروج المغلوب لبروتين عائلة enoyl-CoA هيدراتاز / أيزوميراز (تم استبدال كل جينات ترادفية منفردة - [Tc00.1047053511529.160 و Tc00.1047053511529.150]) مقابل الوزن T. كروزي. إن CNV الناتج عن الضربة القاضية الفردية لنسخة واحدة من هذين الجينين المترابطين بشكل مترادف واضح في عرض الكروموسوم الكامل للكروموسوم 35 ، اللوحة أ. (بقع خضراء وزرقاء ، على التوالي) داخل أجزاء ترميز الجينات ، ولكن تباعد نسب Esm وغير Esm للمنطقة بين الجينات. يعكس هذا حقيقة أن أليلات Esm وغير Esm لهذين الجينين متطابقة تقريبًا ، لكن متواليات Esm وغير Esm للمنطقة الجينية ليست كذلك.

عينات الحمض النووي الجينومي من 16 T. كروزي تمت مقارنة السلالات بالحمض النووي الجيني من سلالة CL-Brener عن طريق التهجين التنافسي على هذه المجموعة ، وتظهر المجموعة الكاملة من الأرقام لجميع الكروموسومات الـ 41 لكل من مقارنات السلالات الـ16 في ملف إضافي 2 ويمكن عرض مجموعة البيانات الكاملة في إضافي الملفات 3 و 4. كما تم إيداع البيانات في Gene Expression Omnibus (http://www.ncbi.nlm.nih.gov/geo/) تحت الانضمام GSE23576. الميزة الأكثر لفتًا للانتباه في هذه النتائج هي العدد الكبير جدًا لكلٍّ من القطعتين (تتراوح في الحجم من 500 نقطة أساس إلى أكثر من 500 كيلو بايت) واختلال الصيغة الصبغية للكروموسوم بالكامل ، وتظهر أمثلة تمثيلية لها في نتائج التهجين للكروموسوم 39 لـ 12 سلالة (الشكل 1). المجسات التي تقارب الصفر موجودة بأعداد نسخ متساوية في كل من سلالات الاختبار والمرجع (CL Brener) ، والتحقيقات ذات log2ratios الموجبة لها رقم نسخ أعلى في سلالات الاختبار مقابل السلالة المرجعية ، وبالتالي تمثل التضخمات في سلالة الاختبار. تشير المجسات ذات معدلات لوغاريتمية سالبة إلى عمليات حذف في سلالة الاختبار و / أو تباعد تسلسلي كافٍ يؤدي إلى تقليل التهجين في قناة الاختبار. اختلال الصيغة الصبغية القطاعية (على سبيل المثال مقطع 500 كيلو بايت في سلالة البرازيل [السهم]) والحذف البؤري المشترك في سلالات متعددة واضحة بسهولة (الشكل 1 وملف إضافي 2). يمكن رؤية تباعد التسلسل الذي أدى إلى انخفاض كثافة التهجين في لوحة Esmeraldo حيث تحتوي النقاط الخضراء (التي تمثل تحقيقات Esmeraldo الخاصة بأليل) على نسب موجبة ونقاط زرقاء (تحقيقات غير Esmeraldo) لها log2ratios سالبة (الشكل 1). ومع ذلك ، لاحظ أن متوسط ​​معدل السجل 2 لجميع المجسات قريب من الصفر في لوحة Esmeraldo ، مما يشير إلى أن Esmeraldo متماثل الزيجوت بالنسبة للنمط الفرداني Esmeraldo كما هو متوقع وأن العدد الإجمالي لنسخ الكروموسوم 39 في هذه السلالة هو 2 (بافتراض ، بالطبع ، ، أن CL-Brener يحتوي على نسختين من الكروموسوم 39). يشير وجود عمليات حذف واضحة في سلالات الاختبار المشتركة بين العديد من سلالات الاختبار المتباينة وراثيًا (كما هو موضح في المناطق ذات الصندوق الأحمر) إلى أن مثل هذه الحالات حسن النية الحذف بدلاً من الاختلاف في التسلسل.

قطع تمثيلية من 12 تهجينًا لـ T. كروزي الكروموسوم 39. كل نقطة تمثل مسبار قليل النوكليوتيد. إن سلالة CL-Brener ، التي تم استخدامها كسلالة مرجعية لتسلسل الجينوم ، هجينة ، وبالتالي تم تصميم المجسات لتسلسلات غير إزميرالدو (غير Esm) (بقع زرقاء) ، تسلسلات تشبه Esmeraldo (بقع خضراء) ، متواليات عائلة الجينات غير Esm (بقع سوداء) ، وتسلسلات عائلة الجينات Esm (بقع رمادية). في كل لوحة ، تمثل نسب السجل 2 الموجبة لشدة الإشارة (سلالة الاختبار / السلالة المرجعية) تضخيمًا في سلالة الاختبار وتمثل نسب السجل 2 السالبة الحذف في سلالة الاختبار ، بالنسبة إلى CL-Brener ، والتي كانت السلالة المرجعية في جميع التهجين. تظهر أمثلة على اختلال الصيغة الصبغية القطعية بأحجام مختلفة محاصر باللون الرمادي (& تضخيم gt500 kbp في سلالة البرازيل بالنسبة إلى CL-Brener -arrow) والأحمر (

حذف 40 كيلو بايت في عدة سلالات). يُظهر تهجين Esmeraldo (محاصر باللون البرتقالي) انخفاضًا في log2ratios للمسبار غير Esm (أزرق) وزيادة log2ratios لمجسات Esm (باللون الأخضر) ، كما هو متوقع لأن Esmeraldo متماثل الزيجوت للنمط الفرداني Esm.

التعرف على مناطق T. كروزي الجينوم الأكثر عرضة لـ CNV ، قمنا بتوضيح أجزاء من الجينوم التي تحتوي على CNVs بالنسبة إلى المتوسط ​​العام لجميع السلالات (الشكل 2). كانت `` النقاط الساخنة '' لـ CNV واضحة بسهولة وكانت موجودة في كل كروموسوم ، على الرغم من أنها أكثر انتشارًا في البعض (على سبيل المثال 18 و 38 و 41) من غيرها (على سبيل المثال 11 ، 34 ، 36 ، 37 ، 39). كان CNV أيضًا بؤريًا وواسع الانتشار ، وغالبًا ما يرتبط بالمناطق الغنية بالعائلة الجينية من الجينوم (لاحظ أن الكروموسومات 18 و 38 و 41 هي الكروموسومات الأكثر غنى بالعائلة الجينية) ، ولكن أيضًا في المناطق الأساسية. بسبب ندرة المسابير داخل المناطق الغنية بالعائلة الجينية ، لم يكن من الممكن إجراء اختبار إحصائي لأهمية تحيز مناطق النقاط الساخنة الموجودة في المناطق الغنية بالعائلة الجينية من الجينوم.

عرض رسومي لنسبة السلالات التي تعرض CNV لكل ميزة تسلسل على كل كروموسوم. يتم تعريف ميزة التسلسل على أنها إما جين مشروح أو المنطقة غير المترجمة (UTR) بين جينين. كانت معايير CNV على النحو التالي: الحد الأدنى لنسبة السجل 2 لشدة الإشارة (سلالة الاختبار / المرجع) +/- 0.6 ، الحد الأدنى لعدد المسابير 5 ، التسامح لتمديد CNV 0.1. يوجد في الجزء العلوي من كل لوحة رسم خط يمثل الكروموسوم. تمثل الأعمدة الرأسية CNV التي تفي بمعايير الأهمية. الأعمدة الرأسية فوق الخط عبارة عن تضخمات وتلك الموجودة أسفل الخط عبارة عن عمليات حذف بالنسبة إلى CL-Brener. ارتفاع (عمق) القضبان العمودية يتناسب مع عدد السلالات التي تظهر أن CNV. تم تلوين الأشرطة الرأسية للإشارة إلى نوع السلالة (النوع 1 والنوع 2) على النحو التالي: الأخضر ، النوع الأول ، تضخيم السلالات باللون الأزرق ، حذف السلالات من النوع 1 ، كستنائي ، تضخيم السلالات من النوع 2 باللون الأصفر ، حذف السلالات من النوع 2. يوجد أسفل كل رسم خط كروموسوم رسم تخطيطي يمثل الكروموسوم المشروح. يتم ترميز الجينات بالألوان بناءً على التعليقات التوضيحية المسماة الجينات التي لا تنتمي إلى عائلات جينية كبيرة (أزرق غامق) ، والجينات الافتراضية (أزرق فاتح) ، و trans-sialidases (أحمر) ، والبروتينات السطحية المرتبطة بالموسين (MASP) (برتقالي محترق) ، وموسينز (برتقالي) ، بروتينات retrotransposon hotspot (RHS) (أخضر) ، عائلة الجينات المشتتة 1 (DGF) (رمادي) ، البروتيز السطحي gp63 (أرجواني).

يتم تصنيف فئات تعيين الجينات لمناطق النقاط الساخنة هذه بترتيب تواتر CNV في الجدول 1 (لجميع مجموعات الجينات المكونة من 5 جينات أو أكثر ، كل منها بحد أدنى 5 تحقيقات لكل 500 نقطة أساس). ربما ليس من المستغرب أن الجينات التي هي أعضاء في عائلات كبيرة من البروتينات السطحية ، مثل الميوسين ، و trans-sialidases ، والبروتينات السطحية المرتبطة بالموسين (MASPs) ، والبروتياز السطحي هي من بين تلك التي لديها أكبر عدد من CNV بين السلالات التي تم اختبارها ، مع النوع الثاني mucins يظهر CNV أكثر من 70 ٪ من الوقت. ومن المثير للاهتمام ، أن كينازات البروتين ، وهي عائلة كبيرة ومتنوعة من الجينات ذات الصلة ، وكذلك البروتينات الافتراضية كانت المجموعات الجينية الأقل ارتباطًا بمناطق النقاط الساخنة ، مما يشير إلى أن جميعهم أو جميعهم تقريبًا قد يخضعون لرقابة صارمة على عدد النسخ. تضمنت الجينات الأخرى المستقرة نسبيًا من حيث عدد النسخ جينات البروتينات الريبوزومية وإصلاح الحمض النووي ، بما يتوافق مع أدوارها الأساسية المتوقعة. يتم عرض CNVs في مجموعات الجينات الممثلة بأقل من 5 جينات في ملف إضافي 5.

كتابة T. كروزي إلى 6 وحدات نمطية منفصلة (DTUs) يعتمد على عدد صغير نسبيًا من المواضع ، بما في ذلك الرنا الريباسي للوحدات الفرعية الصغيرة ، وعامل الاستطالة 1α ، والأكتين ، و dihydrofolate reductase-thymidylate sythase ، و trypanothione reductase من بين أمور أخرى [11 ، 12]. لتحديد ما إذا كان نظام تصنيف DTU هذا مطابقًا لأنماط CNV بين السلالات المكتوبة ، قمنا "بكتابة" الكروموسومات بناءً على أنماط CNV الخاصة بهم ، وإنشاء أنواع توقيع CNV (ملف إضافي 4) ثم جمعنا هذه الأنواع من النوع CNV T. كروزي سلالات بالتشابه في عدد أنواع الكروموسوم المشترك (الشكل 3). تشير نتائج التصنيف إلى وجود تنوع وراثي أكبر بين سلالات النوع الأول أكثر مما هو موجود بين سلالات النوع الثاني. هذا يتوافق مع التحليلات الحديثة للأقمار الصناعية من النوع الأول من سلالة التنوع [13]. ومع ذلك ، فإن التنوع الأكبر على ما يبدو بين سلالات النوع الأول مقابل النوع الثاني الذي لوحظ في دراستنا يمكن أن يكون نتيجة لاختيار الميزة. تم اختيار ميزات الكتابة بطريقة حسابية غير متحيزة ، ولكن لم يتم استخدام جميع التركيبات الممكنة غير المحدودة تقريبًا لميزات CNV المتاحة في الكتابة. على الرغم من أن سلالات النوع الأول والنوع الثاني تم تجميعها معًا في التصنيف ، إلا أنه على أساس كروموسوم فردي ، من الواضح أن بعض سلالات النوع الأول لديها أنماط كروموسومية CNV مطابقة لتلك الموجودة في سلالات النوع الثاني والعكس صحيح. على سبيل المثال ، في الكروموسوم 11 Esmeraldo و M5631 و Tu18 (الأنواع IIb و IIc و IIb على التوالي) لكل منها CNV مشترك بين جميع سلالات النوع الأول (الملف الإضافي 4 ، الشريحة 11). ومع ذلك ، فإن سلالات النوع الثاني الأخرى ، بما في ذلك سلالة Y وهي أيضًا من النوع IIb ، لا تحتوي على CNV هذا. إن CNV هذا ، وهو حذف ، يتوافق مع موضع إنزيم سباق البرولين الذي قد يكون هدفًا لانتقاء المناعة [14]. مجتمعة ، تشير هذه البيانات إلى أنه إما أن يكون هناك تجانس واسع بين T. كروزي السلالات (أي أحداث التضخيم / الحذف نفسها التي تحدث عدة مرات في السلالات التي تتطور بشكل مستقل) أو أن تبادل الكروموسوم قد حدث بشكل متكرر في T. كروزي مما تقترحه نظرية الحدث ثنائي التهجين الحالية [5].

تمت كتابة الكروموسومات بناءً على توقيعات CNV. تم اختيار CNV التشخيصي بناءً على معايير طولها لا يقل عن 500 نقطة أساس ، ممثلة بما لا يقل عن 5 تحقيقات قليلة النوكليوتيد ، ولديها معدل تسجيل على الأقل +/- 1 (تحمل 0.2) في 5 سلالات على الأقل. تم اختيار ما يصل إلى اثنين من CNV يلبي المعايير لكل كروموسوم بناءً على قدرتها على التمييز بين السلالات ، أي تم اختيار CNV الذي فصل السلالات إلى أكبر عدد من المجموعات مقارنةً بـ CNV التشخيصي المرشح الآخر. وهكذا ، لكل كروموسوم كان هناك عدد محدود من أنواع التوقيع التي تم تعيين السلالات لها بناءً على وجود / عدم وجود CNV التشخيصي اتجاه التغيير (log2ratio +/- 0.8). يتم تمثيل كل نوع من أنواع الكروموسومات بلون مختلف ، مع تعيين CL-Brener دائمًا للنوع "أ" (أزرق). ثم تم فرز السلالات بناءً على التشابه العام لأنواع الكروموسومات الخاصة بها ، مجتمعةً ، بالنسبة إلى CL-Brener.


نسخ تباين الأرقام (CNV) باستخدام Digital PCR

يتم تعريف تباين رقم النسخ (CNV) على أنه تعديل في الجينوم حيث يختلف عدد نسخ تسلسل الحمض النووي الجيني عن المرجع أو المعيار. يمكن أن تؤدي التعديلات الجينومية مثل عمليات الإدراج أو الحذف أو الانقلاب أو الانتقال إلى نسخ ثنائية أو متعددة الطبقات. ترتبط CNVs بقابلية المرض أو مقاومته ، وبالتالي فهي مجال مهم للدراسة التفصيلية. توجد العديد من طرق اكتشاف CNV اليوم ، بما في ذلك الفلورسنت فى الموقع التهجين (FISH) ، التهجين الجيني المقارن (CGH) ، التهجين الجيني المقارن (aCGH) ، PCR في الوقت الحقيقي (qPCR) ، وتسلسل الجيل التالي (NGS).

على الرغم من التقدم في بعض هذه التقنيات ، في كثير من الحالات ، لا تكون القياسات دقيقة بما يكفي لتحديد الاختلافات في عدد النسخ حيث تكون النسب بين الهدف والمرجع صغيرة جدًا. تمكن تقنية تفاعل البوليميراز المتسلسل الرقمية ، وهي تقنية قادرة على إجراء قياسات عالية الدقة ، من اكتشاف الاختلافات في عدد النسخ بنسبة منخفضة وتحديدها بدقة.

تم تحليل لوحة تمثيلية من 9 عينات من الحمض النووي الجينومي ، تم شراؤها من مستودع Coriell ، باستخدام نظام QuantStudio 3D ومقايسة رقم TaqMan المعيارية الخاصة بـ CCL3L1 تم العثور على الموقع الجيني على الذراع الطويلة للكروموسوم 17 أو 6 أو 8. أشارت القياسات المكررة إلى أن العينات تمثل اختلافات في عدد النسخ من 0 إلى 8 نسخ لكل جينوم (الشكل 1 أ). كان هناك فرق ذو دلالة إحصائية بين العينات التي تحتوي على 7 و 8 نسخ يمكن تمييزه بوضوح نتيجة للدرجة العالية من الدقة التي تم تحقيقها ، مما يؤكد أن PCR الرقمي يمكن أن يفرق أقل من فرق 1.2 ضعف (الشكل 1 ب).


تميز تعديلات رقم النسخ المتكررة البؤرية انتكاس المرض لدى مرضى سرطان المبيض المصلي بدرجة عالية من الدرجة الأولى مع تشخيص سريري جيد: دراسة تجريبية

يحتفظ سرطان المبيض المصلي عالي الدرجة (HGSOC) بالتباين الجزيئي العالي وعدم الاستقرار الجيني ، مما يحد حاليًا من فرص العلاج. مرضى HGSOC الذين يتلقون العلاج الخلوي الكامل (R0) في الجراحة الأولية والعلاج القائم على البلاتين قد يعانون بشكل غير متساوٍ من الانتكاس المبكر للمرض ، على الرغم من تشخيصهم الإيجابي سريريًا. لتحديد السمات المميزة للمشهد الجينومي الذي يوجه تطور الورم ، ركزنا على مرضى R0 في مجموعة بيانات سرطان الغدد الكيسية المصلي (TCGA) في مجموعة بيانات أطلس جينوم السرطان (TCGA) وصنفناهم وفقًا لوقتهم في الانتكاس (TTR) من الجراحة. قمنا بتضمين مجموعتين في الدراسة من مرضى R0-TCGA الذين يعانون من نتائج مختلفة اختلافًا كبيرًا: المقاومة (R TTR ≤ 12 شهرًا n = 11) والحساسية بصراحة (fS TTR 24 شهرًا n = 16). أجرينا تحليلًا متكاملًا للبيانات السريرية ، وتسلسل الحمض النووي الريبي ، والإكسوم ، والجسمية لتغيير رقم النسخ (sCNA). لم يتم الكشف عن فروق ذات دلالة إحصائية في المشهد الطفري ، على الرغم من عدم وجود توقيع طفري مرتبط بـ BRCA تميز المجموعة R. أظهر تحليل sCNA البؤري تواترًا أعلى للتضخيم في مجموعة R والحذف في مجموعة fS على التوالي ، بما في ذلك العصابات الخلوية التي لم يتم اكتشافها بشكل شائع عن طريق تحليل sCNA المتكرر. تحليل وظيفي لـ sCNA البؤري مع تعبير جيني متغير بشكل متوافق تم تحديده في مجموعة R مكسبًا في Notch وإشارات interferon واستقلاب الأحماض الدهنية. نحن ندرك القيود المتعلقة بالعدد المنخفض لحالات OC التي تم تحليلها. ومع ذلك ، تجدر الإشارة إلى أن sCNA الذي تم تحديده في هذا التحليل الاستكشافي وتوصيف مقاومة Pt هما أمران جديدان ، ويستحقان التحقق من الصحة في مجموعة أوسع من المرضى الذين يحققون التصحيح الجراحي الكامل.

الكلمات الدالة: تعديلات رقم النسخة البؤرية. سرطان المبيض ، مقاومة البلاتين ، تسلسل إكسوم الكامل.

بيان تضارب المصالح

الكتاب تعلن أي تضارب في المصالح. لم يكن للممولين أي دور في تصميم الدراسة في جمع البيانات أو تحليلها أو تفسيرها في كتابة المخطوطة ، أو في قرار نشر النتائج.


  1. بيلي م
  2. توكهايم سي
  3. بورتا باردو إي
  4. سينغوبتا إس
  5. برتراند د
  6. Weerasinghe أ
  7. كولابريكو أ
  8. ويندل MC
  9. كيم ج
  10. ريردون ب
  11. نج بي كي
  12. جيونج كج
  13. تساو إس
  14. وانغ زد
  15. جاو ج
  16. جاو كيو
  17. وانغ ف
  18. ليو إم
  19. مولاروني إل
  20. روبيو بيريز سي
  21. Nagarajan ن
  22. كورتيس-سيريانو الأول
  23. تشو دي سي
  24. ليانغ دبليو
  25. هيس جم
  26. Yellapantula VD
  27. تامبوريرو د
  28. جونزاليس بيريز أ
  29. سوفافيلاى سي
  30. كو جي
  31. خورانا إي
  32. بارك PJ
  33. فان ألين إم
  34. ليانغ إتش
  35. لورانس مس
  36. Godzik أ
  37. لوبيز بيجاس ن
  38. ستيوارت ج
  39. ويلر د
  40. Getz G
  41. تشين ك
  42. Lazar AJ
  43. المطاحن GB
  44. كارشين ر
  45. دينغ إل
  46. مجموعة عمل MC3
  47. شبكة أبحاث أطلس جينوم السرطان
  1. كارتر سي
  2. سيبولسكيس ك
  3. هيلمان إي
  4. ماكينا أ
  5. شين ح
  6. زاك تي
  7. ليرد بي دبليو
  8. أونوفريو RC
  9. وينكلر دبليو
  10. وير BA
  11. بروكيم ر
  12. بيلمان د
  13. ليفين دا
  14. لاندر ES
  15. ميرسون م
  16. Getz G
  1. Ceccarelli M
  2. بارثيل إف بي
  3. مالطا TM
  4. Sabedot TS
  5. سلامة SR
  6. موراي بكالوريوس
  7. موروزوفا أو
  8. نيوتن واي
  9. Radenbaugh أ
  10. Pagnotta SM
  11. أنجوم إس
  12. وانغ ج
  13. مانيام جي
  14. زوبولي ب
  15. لينغ إس
  16. راو AA
  17. جريفورد م
  18. تشيرنياك م
  19. تشانغ هـ
  20. بويسون إل
  21. كارلوتي سي جي
  22. تيرابيلي دي بي
  23. راو أ
  24. ميكيلسن تي
  25. لاو CC
  26. يونغ و
  27. ربدان ر
  28. Huse J
  29. برات دي جي
  30. ليمان NL
  31. بارنهولتز سلون شبيبة
  32. تشنغ إس
  33. هيس ك
  34. راو جي
  35. ميرسون م
  36. بروكيم ر
  37. كوبر إل
  38. أكباني ر
  39. ونش م
  40. هوسلر د
  41. Aldape KD
  42. ليرد بي دبليو
  43. جوتمان دي إتش
  44. نوشمر ح
  45. يافاروني أ
  46. Verhaak RG
  47. شبكة أبحاث TCGA
  1. كوزيك ج
  2. سوانسون جي بي
  3. فيشر جي
  4. Brothman AR
  5. بيرني DM
  6. ريد جي
  7. مشير د
  8. Speights VO
  9. Stankiewicz إي
  10. فوستر CS
  11. مولر هـ
  12. سكاردينو ب
  13. وارن دينار
  14. بارك ج
  15. يونس أ
  16. فليك د
  17. واغنر إس
  18. جوتين أ
  19. لانشبيري شبيبة
  20. حجر اس
  21. مجموعة البروستات عبر المحيط الأطلسي
  1. إلمور جي جي
  2. لونجتون جنرال موتورز
  3. كارني با
  4. جيلر بم
  5. أونيجا تي
  6. Tosteson AN
  7. نيلسون HD
  8. بيبي MS
  9. أليسون كيه إتش
  10. شنيت إس جيه
  11. O'Malley FP
  12. ويفر DL
  1. فوكوكا م
  2. وو يل
  3. Thongprasert S.
  4. Sunpaweravong P.
  5. ليونج إس إس
  6. Sriuranpong V
  7. تشاو تاي
  8. ناكاجاوا ك
  9. تشو دي تي
  10. Saijo ن
  11. دوفيلد EL
  12. روكازينكوف ي
  13. Speake G
  14. جيانغ إتش
  15. درع AA
  16. إلى KF
  17. يانغ جي سي
  18. موك TS
  19. Y-l W
  20. K-f T
  21. تسك م
  1. جاو ج
  2. أكسوي بكالوريوس
  3. دوجروسوز يو
  4. درسدنر جي
  5. الإجمالي ب
  6. سومر سو
  7. صن ص
  8. جاكوبسن أ
  9. سينها ر
  10. لارسون إي
  11. سيرامي إي
  12. ساندر سي
  13. شولتز ن
  1. جاو إتش
  2. كورن جم
  3. فيريتي إس
  4. موناهان جي
  5. وانغ واي
  6. سينغ م
  7. تشانغ سي
  8. شنيل سي
  9. يانغ جي
  10. تشانغ ي
  11. بلبين الزراعة العضوية
  12. بارب س
  13. كاي إتش
  14. كيسي ف
  15. شاترجي إس
  16. شيانغ دي واي
  17. تشواي إس
  18. كوجان SM
  19. كولينز اس دي
  20. دماسة إي
  21. إبيل ن
  22. امبري م
  23. الأخضر J
  24. كوفمان أ
  25. كوال سي
  26. ليري آر جيه
  27. ليهار ج
  28. ليانغ واي
  29. لو أ
  30. لورينزانا إي
  31. روبرت ماكدونالد إي
  32. ماكلولين مي
  33. ميركين ج
  34. ماير ر
  35. نايلور TL
  36. باتواران م
  37. ريدي أ
  38. Röelli C.
  39. رودي دا
  40. سالانجسانغ ف
  41. سانتاكروس ف
  42. سينغ ا ف ب
  43. منعش
  44. تينيتو دبليو
  45. توبلر إس
  46. فيلاسكيز ر
  47. فينكاتيسان ك
  48. Von Arx F
  49. وانغ HQ
  50. وانغ زد
  51. وايزمان م
  52. Wyss د
  53. شو ف
  54. مرير ح
  55. أتاجا ب
  56. ليز إي
  57. هوفمان ف
  58. راحه
  59. كين إن
  60. كوزنس ر
  61. جنسن MR
  62. براير NK
  63. ويليامز جا
  64. الباعة WR
  1. جنتلس ايه جيه
  2. نيومان آم
  3. ليو سي إل
  4. براتمان إس في
  5. فنغ دبليو
  6. كيم د
  7. ناير VS
  8. شو ص
  9. خونج أ
  10. هوانغ سي دي
  11. ديهن م
  12. غرب RB
  13. بليفريتيس SK
  14. علي زاده أ
  1. غونزاليس أنغولو آم
  2. Stemke-Hale K.
  3. Palla SL
  4. كاري م
  5. أغاروال ر
  6. ميريك بيرستام ف
  7. تراينا تا
  8. هوديس سي
  9. Hortobagyi GN
  10. جيرالد ذ
  11. المطاحن GB
  12. هينيسي بي تي
  1. Guan JL
  2. تشونغ WZ
  3. SJ
  4. يانغ جي
  5. سو J
  6. تشن زد
  7. يان سمو
  8. تشن زي
  9. هوانغ ZM
  10. تشانغ XC
  11. ني س
  12. وو يل
  1. جينني ج
  2. دينستمان ر
  3. وانغ إكس
  4. دي رينيس أ
  5. شليكر أ
  6. سونسون سي
  7. ماريسا إل
  8. رويبمان ب
  9. نيامونداندا جي
  10. أنجلينو ب
  11. بوت BM
  12. موريس شبيبة
  13. سيمون إم
  14. جيرستر اس
  15. فيسلر إي
  16. De Sousa E Melo F
  17. ميسياجليا إي
  18. راماي إتش
  19. باراس د
  20. Homicsko ك
  21. مارو د
  22. مانيام GC
  23. مكنسة ب
  24. بويج في
  25. بيريز فيلاميل ب
  26. ليديراس تي
  27. سالازار ر
  28. رمادي JW
  29. هاناهان د
  30. تابيرنيرو ج
  31. برناردز ر
  32. صديق SH
  33. لوران بويج ب
  34. ميديما جي بي
  35. ساداناندام أ
  36. ويسيلز إل
  37. ديلورنزي م
  38. كوبيتز إس
  39. فيرميولين إل
  40. Tejpar S
  1. هتشينز جي
  2. جنوبًا ك
  3. هاندلي ك
  4. ماجيل إل
  5. بومونت سي
  6. ستالشميدت ي
  7. ريتشمان س
  8. تشامبرز ب
  9. سيمور م
  10. كير د
  11. جراي ر
  12. كويرك ب
  1. يوريو ف
  2. Knijnenburg TA
  3. فيس دي جي
  4. بينيل GR
  5. النائب مندن
  6. شوبرت م
  7. أبين ن
  8. غونسالفيس إي
  9. بارثورب إس
  10. لايتفوت إتش
  11. كوكيلر تي
  12. جريننجر ب
  13. فان دايك
  14. تشانغ إتش
  15. دي سيلفا إتش
  16. هاين هـ
  17. دنغ إكس
  18. إيغان ر
  19. ليو س
  20. ميرونينكو تي
  21. ميتروبولوس X
  22. ريتشاردسون إل
  23. وانغ ج
  24. تشانغ تي
  25. موران اس
  26. سايولس إس
  27. سليماني م
  28. تامبوريرو د
  29. لوبيز بيجاس ن
  30. روس ماكدونالد ب
  31. Esteller M
  32. غراي NS
  33. هابر د
  34. ستراتون MR
  35. بينيس سي إتش
  36. Wessels LFA
  37. Saez-Rodriguez J
  38. ماكديرموت يو
  39. غارنيت إم جي
  1. جمال حنجاني م
  2. ويلسون GA
  3. ماكجراناهان ن
  4. بيركباك نيوجيرسي
  5. واتكينز تي بي كيه
  6. فيريا إس
  7. شافي س
  8. جونسون د
  9. ميتر ر
  10. روزنتال ر
  11. سالم م
  12. هورسويل إس
  13. اسكوديرو م
  14. ماثيوز ن
  15. روان أ
  16. تشامبرز تي
  17. مور DA
  18. توراجيليك إس
  19. شو إتش
  20. لي SM
  21. فورستر ام دي
  22. أحمد ت
  23. هيلي سي تي
  24. أبوش سي
  25. فالزون م
  26. برج إي
  27. مرافيوتي ت
  28. لورانس د
  29. هايوارد م
  30. كولفيكار إس
  31. باناجيوتوبولوس إن
  32. جينيس إس إم
  33. ثاكرار ر
  34. احمد أ
  35. بلاكهول ف
  36. الصيف ص
  37. شاه ر
  38. جوزيف ل
  39. كوين آم
  40. كروسبي با
  41. نايدو ب
  42. ميدلتون جي
  43. لانجمان جي
  44. تروتر إس
  45. نيكولسون م
  46. ريمين إتش
  47. كير ك
  48. شيتي م
  49. جوميرسال إل
  50. فينيل دا
  51. ناكاس أ
  52. راثينام إس
  53. أناند جي
  54. خان إس
  55. راسل ب
  56. إزيل ف
  57. اسماعيل ب
  58. إيرفين-سيلرز م
  59. براكاش الخامس
  60. ليستر جف
  61. Kornaszewska م
  62. أتانوس ر
  63. آدمز إتش
  64. ديفيس إتش
  65. دنترو إس
  66. تانيير ب
  67. أوسوليفان ب
  68. لوي هل
  69. هارتلي جا
  70. Iles N
  71. بيل إتش
  72. نجاي واي
  73. شو جا
  74. هيريرو ج
  75. Szallasi Z
  76. شوارز رف
  77. ستيوارت أ
  78. كويزادا سا
  79. لو كويسن جيه
  80. فان لو ب
  81. الغوص ج
  82. Hackshaw أ
  83. سوانتون سي
  84. اتحاد TRACERx
  1. ليو ج
  2. Lichtenberg T.
  3. هوادلي كا
  4. Poisson LM
  5. Lazar AJ
  6. تشيرنياك م
  7. كوفاتيش ايه جيه
  8. بنز سي سي
  9. ليفين دا
  10. لي AV
  11. أومبرج إل
  12. الذئب DM
  13. شرايفر سي دي
  14. Thorsson V.
  15. هاه
  16. جيانفانغ إل
  17. سيزار جونسون إس جيه
  18. ديمشوك جا
  19. فيلاو الأول
  20. كاسابي م
  21. فيرغسون مل
  22. هتر سم
  23. صوفيا HJ
  24. Tarnuzzer R.
  25. وانغ زد
  26. يانغ إل
  27. زينكلوسين جيه سي
  28. تشانغ ج
  29. شبكة أبحاث أطلس جينوم السرطان
  1. Marabese م
  2. جانزينيلي م
  3. Garassino MC
  4. الراعي FA
  5. بيفا إس
  6. كايولا إي
  7. ماسيريللي م
  8. بيتيني أ
  9. لوريسيلا سي
  10. فلورياني الأول
  11. فارينا جي
  12. لونغو ف
  13. بونومي إل
  14. فابري م
  15. فيرونيز إس
  16. Marsoni S.
  17. بروجيني م
  18. رولي إي
  1. بايز جي جي
  2. Jänne PA
  3. لي جيه سي
  4. تريسي إس
  5. جريوليتش ​​إتش
  6. غابرييل إس
  7. هيرمان ب
  8. كاي إف جي
  9. ليندمان ن
  10. بوجون تي جيه
  11. ناوكي ك
  12. ساساكي هـ
  13. فوجي واي
  14. إيك إم جي
  15. الباعة WR
  16. جونسون بي
  17. ميرسون م
  1. باركر شبيبة
  2. مولينز م
  3. شينج إم سي
  4. ليونج إس
  5. Voduc د
  6. فيكري تي
  7. ديفيس إس
  8. فورون سي
  9. هو العاشر
  10. هو زد
  11. Quackenbush JF
  12. Stijleman IJ
  13. بالازو ج
  14. مارون شبيبة
  15. نوبل أب
  16. مارديس إي
  17. نيلسن تو
  18. إليس إم جي
  19. بيرو سم
  20. برنارد ب
  1. روث م
  2. Tejpar S
  3. ديلورنزي م
  4. يان ب
  5. فيوكا ر
  6. كلينجبيل د
  7. ديتريش د
  8. بيسمان ب
  9. بودوكي جي
  10. بارون سي
  11. أراندا إي
  12. نوردلينجر ب
  13. سيزار إل
  14. لابيانكا ر
  15. كننغهام د
  16. فان كوتسم إي
  17. بوسمان ف
  1. سكوتشيانتي سي
  2. فيزين أ
  3. Martel G
  4. أوليفر م
  5. برامبيلا إي
  6. تيمسيت جي إف
  7. تافيكيو إل
  8. برامبيلا سي
  9. حقل JK
  10. هينو ب
  11. الاتحاد الأوروبي لسرطان الرئة المبكر
  1. شيلتزر جي إم
  2. كو JH
  3. ريبوجل جم
  4. حبيبي بورغوس نورث كارولاينا
  5. تشونغ إس
  6. ميهل سم
  7. سايلز نيو مكسيكو
  8. باسريني الخامس
  9. Storchova Z
  10. آمون أ
  11. جي كيه
  1. شي ج
  2. ياو د
  3. ليو دبليو
  4. وانغ ن
  5. م ح
  6. تشانغ جي
  7. جي م
  8. شو ل
  9. دجاجة
  10. شي ب
  11. هوى ب
  1. شول إل إم
  2. لا تفعل ك
  3. شيفداساني ب
  4. سيرامي إي
  5. دوبوك آم
  6. كو إف سي
  7. جارسيا إي بي
  8. جيا واي
  9. دافينيني ب
  10. ابو ر
  11. بوغ تي جيه
  12. فان هاملين ب
  13. ثورنر أر
  14. دوكار م
  15. بيرجر إيه
  16. نيشينو م
  17. جانواي كا
  18. الكنيسة أ
  19. هاريس م
  20. ريترهاوس إل إل
  21. كامبل جيه دي
  22. روجاس روديلا ف
  23. ليجون إيه
  24. رامكيسون إس
  25. كليري جم
  26. ماتولونيس يو
  27. أوكسنارد جي آر
  28. تشاو ر
  29. تاسيل ف
  30. كريستنسن ج
  31. هان مرحاض
  32. كانتوف بي دبليو
  33. Kwiatkowski DJ
  34. جونسون بي
  35. ميرسون م
  36. Garraway LA
  37. شابيرو جي
  38. رولينز بج
  39. ليندمان ني
  40. ماكونيل جنيه
  1. Solimini NL
  2. شو س
  3. ميرميل سي إتش
  4. ليانغ إيه سي
  5. Schlabach MR
  6. لوه ج
  7. الجحور AE
  8. أنسيلمو آن
  9. بريدماير AL
  10. لي إم زد
  11. بروكيم ر
  12. ميرسون م
  13. Elledge SJ
  1. سوزوكي إتش
  2. أوكي ك
  3. تشيبا ك
  4. ساتو واي
  5. شيوزاوا واي
  6. شيراشي واي
  7. شيمامورا تي
  8. نيدا أ
  9. موتومورا ك
  10. Ohka F
  11. ياماموتو تي
  12. تاناهاشي ك
  13. رانجيت م
  14. واكباياشي تي
  15. يوشيزاتو تي
  16. كاتاوكا ك
  17. يوشيدا ك
  18. ناجاتا واي
  19. ساتو أوتسوبو أ
  20. تاناكا إتش
  21. سانادا م
  22. كوندو واي
  23. ناكامورا إتش
  24. ميزوجوتشي م
  25. أبي تي
  26. موراجاكي واي
  27. واتانابي ر
  28. إيتو أنا
  29. ميانو إس
  30. ناتسوم أ
  31. أوجاوا إس
  1. تايلور آم
  2. شيه ج
  3. ها جي
  4. جاو GF
  5. تشانغ العاشر
  6. برجر ايه سي
  7. شوماخر SE
  8. وانغ سي
  9. هاه
  10. ليو ج
  11. Lazar AJ
  12. تشيرنياك م
  13. بروكيم ر
  14. ميرسون م
  1. تاينر سي
  2. حلاق جي بي
  3. كاسبر ج
  4. كلاوسون هـ
  5. ديخان م
  6. أيزنهارت سي
  7. فيشر سم
  8. جيبسون د
  9. جونزاليس ج
  10. جوروفادو إل
  11. هايسلر م
  12. هيتنر إس
  13. Hinrichs AS
  14. كارولشيك د
  15. لي بي تي
  16. لي سم
  17. نجاد ب
  18. راني بي جيه
  19. روزنبلوم كر
  20. Speir ML
  21. فياريال سي
  22. فيفيان ج
  23. زفايج أس
  24. هوسلر د
  25. Kuhn RM
  26. كينت دبليو جيه
  1. اهلين م
  2. تشانغ سي
  3. لي س
  4. Sjöstedt E.
  5. فاجربيرج إل
  6. بيدخوري جي
  7. Benfeitas R.
  8. عارف م
  9. ليو زد
  10. إدفورز ف
  11. سانلي ك
  12. فون فيليتزن ك
  13. أوكسفولد ب
  14. لوندبيرج إي
  15. هوبر إس
  16. نيلسون ب
  17. ماتسون ج
  18. شوينك جم
  19. برونستروم هـ
  20. جليمليوس ب
  21. Sjöblom T.
  22. Edqvist PH
  23. دجورينوفيتش د
  24. ميكي ب
  25. ليندسكوج سي
  26. ماردينوغلو أ
  27. بونتن ف
  1. وانغ واي
  2. Klijn JG
  3. تشانغ ي
  4. Sieuwerts صباحا
  5. انظر MP
  6. يانغ ف
  7. تالانتوف د
  8. Timmermans م
  9. Meijer-van Gelder ME
  10. يو ج
  11. جاتكو تي
  12. بيرنز إم
  13. أتكينز د
  14. Foekens JA
  1. وانغ إل
  2. هيرلي دي جي
  3. واتكينز دبليو
  4. أراكي هـ
  5. Tamada Y
  6. Muthukaruppan أ
  7. رانجارد إل
  8. ديركاك إي
  9. إيموتو إس
  10. ميانو إس
  11. كرامبين إي جيه
  12. طباعة CG
  1. ويستوبا الثاني
  2. بيرنس سي
  3. لومباردي ف
  4. واغنر إس
  5. فوجيموتو جيه
  6. راسو إم جي
  7. سباجياري إل
  8. جاليتا د
  9. رايلي ر
  10. هيوز إي
  11. ريد ج
  12. Sangale Z
  13. سويشر إس جي
  14. كالهور ن
  15. موران كاليفورنيا
  16. جوتين أ
  17. لانشبيري شبيبة
  18. باربيريس م
  19. كيم إس
  1. زهير أ
  2. بنايد ر
  3. شاه ر
  4. سيد أ
  5. ميدها س
  6. كيم HR
  7. سرينيفاسان ب
  8. جاو ج
  9. شاكرافارتي د
  10. ديفلين SM
  11. هيلمان MD
  12. بارون دا
  13. شرام آم
  14. حميد م
  15. دوجان إس
  16. روس دي إس
  17. هيشتمان جي
  18. ديلير دي إف
  19. ياو ج
  20. ماندلكر دي إل
  21. تشنغ دي تي
  22. Chandramohan R.
  23. موهانتي أس
  24. بتاشكين RN
  25. جاياكوماران جي
  26. براساد م
  27. سيد م
  28. ريما AB
  29. ليو زي
  30. نافا ك
  31. بورسو إل
  32. سادوسكا ج
  33. كازانوفا ج
  34. باكاريس ر
  35. Kiecka IJ
  36. رازوموفا أ
  37. ابن JB
  38. ستيوارت إل
  39. بالدي ت
  40. مولاني كا
  41. الأحمدى هـ
  42. فاكياني إي
  43. Abeshouse AA
  44. بنسون AV
  45. جونسون ب
  46. كاماتشو ن
  47. تشانغ إم تي
  48. فاز سمو
  49. إجمالي BE
  50. كوندرا ر
  51. Heins ZJ
  52. تشن هو
  53. فيليبس اس
  54. تشانغ هـ
  55. وانغ ج
  56. أوتشوا أ
  57. الوصايا ي
  58. يوبانك م
  59. توماس اس بي
  60. Gardos SM
  61. ريليس DN
  62. جالي ج
  63. دوراني ر
  64. كامبريا ر
  65. عابدة و
  66. Cercek أ
  67. فيلدمان د
  68. غوندر م
  69. حكيمي أ
  70. هاردينج جي
  71. Iyer G
  72. Janjigian YY
  73. الأردن EJ
  74. كيلي سم
  75. لوري ماجستير
  76. موريس إل جي تي
  77. أومورو صباحا
  78. راج ن
  79. رضوي ص
  80. شوشتاري AN
  81. شوكلا ن
  82. سومراي تي إي
  83. فارغيس آم
  84. ييجر ر
  85. كولمان ج
  86. بوشنر ب
  87. ريلي جي
  88. سالتز إل بي
  89. شير مرحبا
  90. Sabbatini PJ
  91. روبسون مي
  92. كليمسترا د
  93. تايلور بي إس
  94. باسيلجا ج
  95. شولتز ن
  96. هيمان DM
  97. Arcila ME
  98. Solit DB
  99. لاداني م
  100. برجر ام اف
  1. تشانغ ج
  2. باران ج
  3. كروس أ
  4. جوبرمان جي إم
  5. حيدر س
  6. هسو ج
  7. ليانغ واي
  8. ريفكين إي
  9. وانغ ج
  10. ويتي ب
  11. Wong-Erasmus M
  12. ياو إل
  13. كاسبرزيك أ
  1. تشانغ ج
  2. بينافينتي كاليفورنيا
  3. McEvoy J
  4. Flores-Otero J
  5. دينغ إل
  6. تشن اكس
  7. أوليانوف أ
  8. وو جي
  9. ويلسون إم
  10. وانغ ج
  11. برينان ر
  12. روش م
  13. مانينغ آل
  14. ما J
  15. ايستون ج
  16. شورتليف إس
  17. موليجان سي
  18. جنيه S
  19. موكاتيرا إس
  20. جوبتا ب
  21. نيل جي
  22. تشاو د
  23. لو سي
  24. فولتون RS
  25. فولتون إل إل
  26. هونغ إكس
  27. Dooling دي جي
  28. Ochoa ك
  29. نايف سي
  30. دايسون نيوجيرسي
  31. مارديس ER
  32. بهرامي أ
  33. إليسون د
  34. ويلسون آر كيه
  35. داونينج جونيور
  36. ماجستير داير

ACGH في التشخيص قبل الولادة وقبل الزرع

حتى الآن ، تم استخدام aCGH في الغالب في تشخيص ما بعد الولادة. بمناقشة فائدتها في التشخيص قبل الولادة ، قدم أحدنا (CLC) دراسة عن طريق مجموعة BAC المستهدفة من سلسلة من 49 جنينًا مع تشوهات تشريحية متعددة ونمط نووي طبيعي. تم رصد معظم متلازمات الحذف الصغير المتكررة المعروفة ، وجميع مناطق الكروموسوم البشري الفرعي البالغ عددها 41 منطقة ، و 201 موقعًا إضافيًا محددًا يمثل كل ذراع كروموسوم على المصفوفة. ظهرت على جميع الأجنة ثلاثة تشوهات رئيسية على الأقل أدت إلى إنهاء الحمل طبيًا. في أربع حالات ، من جديد تم تحديد الاختلالات الجينية الكامنة وراء النمط الظاهري المرضي بشكل واضح. في إحداها ، كانت العلاقة بين النمط الجيني والنمط الظاهري غير واضحة ، حيث تم الكشف عن حذف التيلومير الفرعي 6q في أم صحية وفي جنينها يحملان تشوهات متعددة. يشير اكتشاف الاختلالات الصبغية المسببة في 10٪ من هذه الأجنة إلى الرغبة في إجراء فحص على نطاق الجينوم بواسطة aCGH حتى عندما يكون تحليل الكروموسوم القياسي أمرًا طبيعيًا ، وأكد أن الـ ACGH سيكون له تأثير كبير على التشخيص قبل الولادة.

ومع ذلك ، يجب تطبيق نتائج aCGH بحذر شديد في التشخيص قبل الولادة بسبب الاكتشاف المحتمل لـ CNV مع أهمية سريرية غير مؤكدة ، كما يتضح من العمل الأخير من مكان آخر. يمكن تفضيل المصفوفات المستهدفة على المصفوفات على مستوى الجينوم في تشخيص ما قبل الولادة ، لإعطاء تغطية أفضل للمناطق المستهدفة ، لتقليل عدد الجينات المحددة التي سيكون إنهاءها مشكوكًا أخلاقيًا (على سبيل المثال ، BRCA, AZF) ، ولتقليل عدد المناطق ذات الأهمية السريرية غير المؤكدة.

يعد فحص CNV على مستوى الجينوم في الخلايا المفردة ذا أهمية خاصة لمجموعة متنوعة من التطبيقات في البحث الأساسي والتشخيص السريري. المتطلبات الأساسية هي تقنيات لالتقاط الخلايا المفردة ، وبروتوكولات تضخيم الجينوم الكامل للخلية الفردية غير المتحيزة ، ومنصة صفيف مناسبة لتقييم منتجات التضخيم. الدقة القصوى القابلة للتحقيق هي مسألة نقاش. أظهر Jochen Geigl (الجامعة الطبية ، جراتس ، النمسا) مع مايكل سبايشر سابقًا أنه عندما يتم تهجين منتج التضخيم إلى مجموعة BAC لمسار الجينوم الكامل ، يمكن تحقيق دقة تبلغ 6-8 ميجا بايت. وصف كيف أدت مصفوفات oligo عالية الدقة وخوارزمية تقييم جديدة مصممة خصيصًا لتحديد CNVs الصغيرة في ملفات تعريف النسبة الصاخبة إلى تحسين الدقة ، مع تحديد CNVs صغيرة مثل 500 كيلو بايت في تجمعات الخلايا (5 أو 10 خلايا ) و 2.6-3.0 ميجا بايت في الخلايا المفردة. وصف جيجل كيف أن الإجراءات مناسبة أيضًا لتحليلات الجسم القطبي في سياق الفحص الجيني قبل الولادة لأنها تسمح بشكل موثوق بتحديد أنماط اختلال الصيغة الصبغية ، وطريقة الفصل الكروموسومي واختلال الصيغة الصبغية القطاعي. يمكن أيضًا تطبيق هذا النهج لتحديد نواتج التضخيم للكروموسومات المفردة المجهرية. أفاد جيجل أنه باستخدام هذا النهج ، قاموا بتضييق نقطة التوقف في مريض متوازن من جديد الانتقال الذي يتضمن الكروموسومات 7 و 13 إلى مستوى الزوج الأساسي.


ما هو اختلاف رقم النسخة البؤرية؟ - مادة الاحياء

يحسب خط الأنابيب هذا الارتباط بين الجينات ذات الاختلاف الكبير في عدد النسخ (البؤري cnv) والميزات السريرية المختارة.

اختبار الارتباط بين تباين رقم النسخ 20 حدثًا بؤريًا و 7 سمات سريرية عبر 80 مريضًا ، تم اكتشاف 8 نتائج مهمة مع قيمة Q Time to Death '.

del_3p25.2 cnv مرتبطة بـ "Time to Death".

del_3p25.1 cnv مرتبطة بـ "Time to Death".

del_3p22.2 cnv مرتبطة بـ "Time to Death".

del_3p14.2 cnv مرتبطة بـ "Time to Death".

del_3q24 cnv مرتبطة بـ "Time to Death".

del_3q29 cnv مرتبطة بـ "Time to Death".

del_8p11.22 cnv مرتبطة بـ "Time to Death".

قيمة P = 0.00113 (اختبار logrank) ، قيمة Q = 0.023

الجدول S1. الجين رقم 1: "amp_6p24.3" مقابل الميزة السريرية رقم 1: "حان وقت الموت"

n المرضى n الموت نطاق المدة (الوسيط) ، الشهر
الكل 80 23 0.1 - 85.5 (25.8)
ذروة AMP 1 (6P24.3) غير ثابتة 45 7 0.1 - 85.5 (27.0)
ذروة الأمبير 1 (6P24.3) من النوع البري 35 16 0.2 - 61.2 (19.9)

الشكل S1. الحصول على جين صورة عالية الدقة # 1: "amp_6p24.3" مقابل الميزة السريرية رقم 1: "حان وقت الموت"

قيمة P = 5.85e-06 (logrank test), Q value = 0.00027

الجدول S2. Gene #7: 'del_3p25.2' versus Clinical Feature #1: 'Time to Death'

nPatients nDeath Duration Range (Median), Month
الكل 80 23 0.1 - 85.5 (25.8)
DEL PEAK 4(3P25.2) MUTATED 43 21 0.1 - 61.2 (21.0)
DEL PEAK 4(3P25.2) WILD-TYPE 37 2 0.2 - 85.5 (27.5)

الشكل S2. Get High-res Image Gene #7: 'del_3p25.2' versus Clinical Feature #1: 'Time to Death'

P value = 5.85e-06 (logrank test), Q value = 0.00027

الجدول S3. Gene #8: 'del_3p25.1' versus Clinical Feature #1: 'Time to Death'

nPatients nDeath Duration Range (Median), Month
الكل 80 23 0.1 - 85.5 (25.8)
DEL PEAK 5(3P25.1) MUTATED 43 21 0.1 - 61.2 (21.0)
DEL PEAK 5(3P25.1) WILD-TYPE 37 2 0.2 - 85.5 (27.5)

الشكل S3. Get High-res Image Gene #8: 'del_3p25.1' versus Clinical Feature #1: 'Time to Death'

P value = 5.85e-06 (logrank test), Q value = 0.00027

Table S4. Gene #9: 'del_3p22.2' versus Clinical Feature #1: 'Time to Death'

nPatients nDeath Duration Range (Median), Month
الكل 80 23 0.1 - 85.5 (25.8)
DEL PEAK 6(3P22.2) MUTATED 43 21 0.1 - 61.2 (21.0)
DEL PEAK 6(3P22.2) WILD-TYPE 37 2 0.2 - 85.5 (27.5)

الشكل S4. Get High-res Image Gene #9: 'del_3p22.2' versus Clinical Feature #1: 'Time to Death'

P value = 1.22e-05 (logrank test), Q value = 0.00028

Table S5. Gene #10: 'del_3p14.2' versus Clinical Feature #1: 'Time to Death'

nPatients nDeath Duration Range (Median), Month
الكل 80 23 0.1 - 85.5 (25.8)
DEL PEAK 7(3P14.2) MUTATED 44 21 0.1 - 61.2 (22.1)
DEL PEAK 7(3P14.2) WILD-TYPE 36 2 0.2 - 85.5 (27.3)

الشكل S5. Get High-res Image Gene #10: 'del_3p14.2' versus Clinical Feature #1: 'Time to Death'

P value = 1.22e-05 (logrank test), Q value = 0.00028

Table S6. Gene #11: 'del_3q24' versus Clinical Feature #1: 'Time to Death'

nPatients nDeath Duration Range (Median), Month
الكل 80 23 0.1 - 85.5 (25.8)
DEL PEAK 8(3Q24) MUTATED 44 21 0.1 - 61.2 (22.1)
DEL PEAK 8(3Q24) WILD-TYPE 36 2 0.2 - 85.5 (27.3)

الشكل S6. Get High-res Image Gene #11: 'del_3q24' versus Clinical Feature #1: 'Time to Death'

P value = 1.22e-05 (logrank test), Q value = 0.00028

الجدول S7. Gene #12: 'del_3q29' versus Clinical Feature #1: 'Time to Death'

nPatients nDeath Duration Range (Median), Month
الكل 80 23 0.1 - 85.5 (25.8)
DEL PEAK 9(3Q29) MUTATED 44 21 0.1 - 61.2 (22.1)
DEL PEAK 9(3Q29) WILD-TYPE 36 2 0.2 - 85.5 (27.3)

الشكل S7. Get High-res Image Gene #12: 'del_3q29' versus Clinical Feature #1: 'Time to Death'

P value = 0.00628 (logrank test), Q value = 0.11

الجدول S8. Gene #15: 'del_8p11.22' versus Clinical Feature #1: 'Time to Death'

nPatients nDeath Duration Range (Median), Month
الكل 80 23 0.1 - 85.5 (25.8)
DEL PEAK 12(8P11.22) MUTATED 19 10 0.1 - 61.2 (23.3)
DEL PEAK 12(8P11.22) WILD-TYPE 61 13 0.2 - 85.5 (26.2)

الشكل S8. Get High-res Image Gene #15: 'del_8p11.22' versus Clinical Feature #1: 'Time to Death'

Copy number data file = all_lesions.txt from GISTIC pipeline

Processed Copy number data file = /xchip/cga/gdac-prod/tcga-gdac/jobResults/GDAC_Correlate_Genomic_Events_Preprocess/UVM-TP/22534464/transformed.cor.cli.txt

Clinical data file = /xchip/cga/gdac-prod/tcga-gdac/jobResults/Append_Data/UVM-TP/22507229/UVM-TP.merged_data.txt

Number of significantly focal cnvs = 20

Number of selected clinical features = 7

Exclude genes that fewer than K tumors have mutations, K = 3

For survival clinical features, the Kaplan-Meier survival curves of tumors with and without gene mutations were plotted and the statistical significance P values were estimated by logrank test (Bland and Altman 2004) using the 'survdiff' function in R

For binary or multi-class clinical features (nominal or ordinal), two-tailed Fisher's exact tests (Fisher 1922) were used to estimate the P values using the 'fisher.test' function in R

For multiple hypothesis correction, Q value is the False Discovery Rate (FDR) analogue of the P value (Benjamini and Hochberg 1995), defined as the minimum FDR at which the test may be called significant. We used the 'Benjamini and Hochberg' method of 'p.adjust' function in R to convert P values into Q values.

In addition to the links below, the full results of the analysis summarized in this report can also be downloaded programmatically using firehose_get, or interactively from either the Broad GDAC website or TCGA Data Coordination Center Portal.


INTEGRATED HCC CANCER GENOMIC DATABASES WITH CNAS

Integrated data derived from multiple genomic approaches could potentially avoid pitfalls of data inconsistency usual with the single genomic approach and provide lines of evidence to validate target genes embraced in the aberrant genomic loci from the level of DNA and RNA to protein. For these advantages, several user-friendly HCC databases were constructed, including OncoDB.HCC, HCCnet, dbHCCvar, CellMinerHCC, HCC-M, and EHCO[49-54]. However, only OncoDB.HCC integrated genomic alteration data to prioritize HCC cancer genes for further expression and functional validations in HCC cell lines and tissues. Nevertheless, recent international efforts at applying high-throughput short-read sequencing technologies and CNA analysis of cancer genomes in multiple cancer types, including HCC, comprehensively cataloged different types of somatic mutations and revealed genetic heterogeneity even from the same subtype of cancer. Table ​ Table2 2 lists common open-access integrated cancer genome databases for downloading and visualizing cancer genomic data[55,56].

Table 2

List of some integrated cancer genomic databases

Databaseمشروعموقع الكترونيالمرجع.
cBioPortal for cancer genomeProject provides visualization, analysis and download of large-scale cancer genomic data setshttp://www.cbioportal.org/public-portal/Cerami et al[57]
كوزميكCatalogue of somatic mutations in cancerhttp://cancer.sanger.ac.uk/cancergenome/projects/cosmic/Forbes et al[58]
ICGCInternational Cancer Genome Consortium provides tools for visualizing, querying and downloading the data.http://dcc.icgc.org/Joly et al[59]
TCGA data portalA platform for researchers to search, download, and analyze data sets generated by TCGAhttps://tcga-data.nci.nih.gov/tcga/tcgaHome2.jsp
TumorscapeHigh-resolution copy number data collected from multiple cancer typeshttp://www.broadinstitute.org/tumorscape/pages/portalHome.jsf
UCSC cancer genome browserA set of web-based tools to display, investigate and analyze cancer genomic data and associated clinical informationhttps://genome-cancer.ucsc.edu/proj/site/hgHeatmap/Goldman et al[60]

COSMIC: Catalogue of somatic mutations in cancer.



تعليقات:

  1. Byrne

    مماثل هل هناك شيء؟

  2. Cadwallon

    بشكل ملحوظ ، العبارة المفيدة

  3. Kaziramar

    أنا آسف ، لكنني أعتقد أنك مخطئ. أنا متأكد. دعونا نناقش هذا.

  4. Eneas

    قرأته بسرور

  5. Husayn

    لافت للنظر! مدهش!



اكتب رسالة