Алгоритм машинного обучения приносит в клинику долгочитаемое секвенирование

Технологии долгосрочного секвенирования анализируют длинные непрерывные участки ДНК. Эти методы могут улучшить способность исследователей обнаруживать сложные генетические изменения в геномах рака. Однако сложная структура раковых геномов означает, что стандартные инструменты анализа, включая существующие методы, специально разработанные для анализа данных длительного секвенирования, часто терпят неудачу, что приводит к ложноположительным результатам и ненадежной интерпретации данных. Эти вводящие в заблуждение результаты могут поставить под угрозу наше понимание того, как опухоли развиваются, реагируют на лечение и, в конечном итоге, как диагностируют и лечат пациентов. Чтобы решить эту проблему, исследователи разработали SAVANA, новый алгоритм, который они недавно описали в журнале Nature Methods. SAVANA использует машинное обучение для точной идентификации структурных вариантов — крупных геномных изменений, таких как вставки, делеции, дупликации или перегруппировки — и возникающих в результате аберраций числа копий в раковых геномах — с использованием данных длительного секвенирования. Важно иметь правильный инструмент для работы. Например, суп можно есть вилкой, но результат будет не таким эффективным, как при использовании ложки. SAVANA, как ложка, создана специально для этой задачи и предназначена для эффективного достижения надежных результатов. Этот алгоритм был разработан и протестирован на 99 образцах опухолей человека исследователями из Европейского института биоинформатики EMBL (EMBL-EBI) и научно-исследовательской лаборатории геномики Англии в сотрудничестве с клиническими партнерами из Университетского колледжа Лондона (UCL), Королевской национальной ортопедической больницы (RNOH), Института молекулярной медицины Джоано Лобо Антунеса и Бостонской детской больницы. «Поскольку другие инструменты анализа не разработаны для учета особенностей данных геномики рака, они часто выдают ложноположительные результаты, которые могут привести к неверным клиническим и биологическим интерпретациям», — сказал он. сказал Исидро Кортес-Сириано, руководитель группы EMBL-EBI. «САВАНА меняет это. Обучая алгоритм непосредственно на данных долгосрочного секвенирования образцов рака, мы создали новый метод, который может определить разницу между истинными геномными изменениями, связанными с раком, и артефактами секвенирования, тем самым позволяя нам выяснить мутационные процессы, лежащие в основе рака, используя длинное секвенирование с беспрецедентным разрешением». «Когда мы разрабатывали SAVANA, наша цель была ясна: создать инструмент, достаточно сложный для характеристики сложных геномов рака, но достаточно практичный для клинического использования», — сказал он. объяснила Хиллари Элрик, бывший научный сотрудник EMBL-EBI и научный сотрудник Института Фрэнсиса Крика. «В результате SAVANA может точно различать соматические структурные варианты, аберрации числа копий, чистоту и плоидность опухоли — все это ключ к пониманию биологии опухоли и принятию решений о клиническом лечении», — сказал он. добавила Кэролин Зауэр, научный сотрудник EMBL-EBI. Быстрый анализ и надежная коррекция ошибок делают SAVANA хорошо подходящей для клинического использования.