【佳學(xué)基因檢測】腫瘤基因檢測技術(shù)：全基因組測序中的計(jì)算分析

來源：腫瘤基因檢測
作者：佳學(xué)基因
時(shí)間：2023-07-21 04:46
閱讀數(shù)：次

【佳學(xué)基因檢測】腫瘤基因檢測技術(shù)：全基因組測序中的計(jì)算分析腫瘤基因檢測導(dǎo)讀：在進(jìn)行腫瘤基因解碼基因檢測過程中，基因解碼技術(shù)已開始采用癌癥全基因組測序（WGS）分析。這一分析

【佳學(xué)基因檢測】腫瘤基因檢測技術(shù)：全基因組測序中的計(jì)算分析

腫瘤基因檢測導(dǎo)讀：

在進(jìn)行腫瘤基因解碼基因檢測過程中，基因解碼技術(shù)已開始采用癌癥全基因組測序（WGS）分析。這一分析之所以需要支付更高的費(fèi)用，是它解決了很多技術(shù)性的難題。其中之一是海量數(shù)據(jù)的計(jì)算分析。癌癥WGS需要產(chǎn)生超過90-150 Gb×2（癌癥和正常DNA）的序列數(shù)據(jù)，對應(yīng)于大約一兆字節(jié)的原始數(shù)據(jù)。需要超級計(jì)算級別的分析能力來處理全基因組測序WGS數(shù)據(jù)集，及時(shí)進(jìn)行序列比對，并獲得突變序列信息。腫瘤基因解碼基因檢測往往需要同時(shí)分析以處理數(shù)千個(gè)癌癥患者的全基因組基因檢測WGS數(shù)據(jù)。以研究為目的基因組中心通常會增加其用于WGS的計(jì)算資源，但是在這些學(xué)術(shù)研究機(jī)構(gòu)中，對數(shù)萬個(gè)全基因檢測數(shù)據(jù)集（WGS）進(jìn)行同時(shí)分析可能還不夠?；蚪獯a基因檢測布局了云計(jì)算系統(tǒng)可以解決這些問題，并促進(jìn)全球范圍內(nèi)的基因組數(shù)據(jù)共享。在進(jìn)行這一過程的同時(shí)，還解決了數(shù)據(jù)傳輸方面存在技術(shù)問題。

腫瘤基因解碼基因開發(fā)了了癌癥全基因組基因檢測WGS的數(shù)據(jù)分流程。不同的機(jī)構(gòu)會采用不同的分析流程。腫瘤基因檢測全基因組測序首先由產(chǎn)生NGS過程產(chǎn)生的FASTQ文件，這是基因解碼過程中的原始序列數(shù)據(jù)（90-150 Gb×2）。全基因組基因檢測產(chǎn)生的原始數(shù)據(jù)通過生物信息流程中的BWAmem和其他程序比對到具有3-Gb人類參考序列（hg19或新的hg38），生成BAM文件，并從BAM文件中移除PCR重復(fù)（通常為幾個(gè)百分點(diǎn)）。根據(jù)特定的體細(xì)胞突變類型，如單核苷酸變異（SNV）、短插入缺失、CNA和SV，采用經(jīng)過驗(yàn)證和統(tǒng)計(jì)學(xué)測試的人工智能算法獲得腫瘤的體細(xì)胞突變信息，這些算法在癌癥基因組和正?；蚪M中統(tǒng)計(jì)比較變異等位基因分?jǐn)?shù)（VAF）。正確性主要取決于每個(gè)基因區(qū)域的測序深度。正確分析的另一個(gè)重要因素是序列比對或定位錯誤?？紤]到人類基因組的復(fù)雜性和冗余性，尤其是非編碼區(qū)域，當(dāng)短讀取對齊到重復(fù)和冗余區(qū)域時(shí)，可能會頻繁出現(xiàn)對齊錯誤。WGS的最嚴(yán)重問題是其結(jié)果依賴于這些突變調(diào)用算法，每個(gè)分析流程調(diào)用不同的體細(xì)胞突變，尤其是在低深度和復(fù)雜區(qū)域以及體細(xì)胞短插入缺失中。腫瘤基因解碼基因檢測ICGC工作組對不同檢測機(jī)構(gòu)的10多個(gè)分析流程進(jìn)行了廣泛的基準(zhǔn)測試，并評估了腫瘤基因突變序列調(diào)用調(diào)用方法的一致性。體細(xì)胞插入缺失序列的獲取具有高度的不一致性，而SNV和SV的調(diào)用在各個(gè)分析流程之間的一致性較好。因此，在腫瘤基因檢測過程中，基因解碼的體細(xì)胞突變序列的獲取具有一定的優(yōu)勢。該工作組提出了癌癥WGS的計(jì)算分析指南。對于與癌癥風(fēng)險(xiǎn)和遺傳癌癥診斷有關(guān)所采用種系變異突變分析流程，則需要采用不同的分析流程。因?yàn)橹挥姓；蚪M測序數(shù)據(jù)被分析，VAF基本上在50%左右。用于種系變異調(diào)用的通常是GATK的HaplotyperCaller，包括來自WGS的SNV和插入缺失。

為什么腫瘤全基因測序測序分析需要用到大量的計(jì)算資源？

腫瘤全基因測序測序分析需要用到大量的計(jì)算資源，主要是因?yàn)橐韵聨讉€(gè)原因：

1. 數(shù)據(jù)量大：腫瘤全基因測序產(chǎn)生的數(shù)據(jù)量非常龐大，通常每個(gè)樣本的測序數(shù)據(jù)可以達(dá)到幾十到上百GB甚至更多。這就需要大量的存儲空間來存儲這些數(shù)據(jù)，并且需要高性能的計(jì)算機(jī)來處理這些數(shù)據(jù)。

2. 復(fù)雜的分析流程：腫瘤全基因測序測序分析通常包括多個(gè)步驟，如數(shù)據(jù)預(yù)處理、比對、變異檢測、拷貝數(shù)變異分析等。每個(gè)步驟都需要進(jìn)行大量的計(jì)算和數(shù)據(jù)處理，因此需要大量的計(jì)算資源來完成這些分析。

3. 多樣本分析：腫瘤全基因測序通常需要對多個(gè)樣本進(jìn)行比較分析，以尋找腫瘤中的共有和個(gè)體特異的變異。這就需要進(jìn)行大規(guī)模的數(shù)據(jù)比對和變異檢測，需要更多的計(jì)算資源來支持這些分析。

4. 數(shù)據(jù)存儲和管理：腫瘤全基因測序產(chǎn)生的數(shù)據(jù)需要進(jìn)行存儲和管理，包括原始測序數(shù)據(jù)、比對結(jié)果、變異檢測結(jié)果等。這些數(shù)據(jù)需要大量的存儲空間，并且需要高性能的計(jì)算機(jī)來進(jìn)行數(shù)據(jù)的查詢和管理。

綜上所述，腫瘤全基因測序測序分析需要用到大量的計(jì)算資源，主要是因?yàn)閿?shù)據(jù)量大、分析流程復(fù)雜、多樣本分析和數(shù)據(jù)存儲和管理的需求。