个人技术笔记

多组学科研分析

发布时间：2021-08-06  栏目：人工智能, 医学  评论：1 Comment

主要包含：
– 影像组学
– 基因组学
– 病理组学
等

基因组学(Geonomics)是一门研究基因组(Genome)的科学。
我们每个人都是由上万亿个细胞构成的，每个细胞中都包含一套完整的生命密码，也就是DNA，而基因组就是指一个细胞中包含的所有的DNA。我们的DNA分布于23对(46条)染色体(Chromosome)上，其中一半来自父亲，一半来自母亲。
基因组学的目的是对一个生物体所有基因进行集体表征和量化，并研究它们之间的相互关系及对生物体的影响。

使用多组学数据预测肿瘤的发生、转移或预后等临床结局，可对临床诊断提供参考。可选的多组学数据特征包括超声特征、临床病理特征、基因表达水平/基因型特征。文献调研表明，采用超声特征与基因表达特征联合诊断良性与恶性的甲状腺癌，在多个独立验证中，Accuracy达到77.8~88.6%，而单采用超声特征的模型Accuracy为74.6~84.3%，单采用基因表达特征的模型Accuracy为70.8~81.4%；采用临床病理特征与基因型特征联合预测乳腺癌患者的淋巴结转移，在外部验证中，模型AUC达到0.917，Accuracy达到0.826，而单采用临床病理特征的模型AUC为0.814，Accuracy为0.696。

一般的分析流程包括特征选择、机器学习模型训练、模型验证与评估这几个模块。

SNP（single nucleotide polymorphism），即单核苷酸多态性，是由于单个核苷酸改变而导致的核酸序列多态。一般来说，一个SNP位点只有两种等位基因，因此又叫双等位基因。SNP在人类基因组中的发生频率比较高，大约平均每1000个碱基中就有一个多态位点。有些SNP位点还会影响基因的功能，导致生物性状改变甚至致病。

多基因风险评分（polygenic risk score，PRS）

常用的R语言工具包：
https://topepo.github.io/caret/

R库WGCNA，其译为加权基因共表达网络分析。该分析方法旨在寻找协同表达的基因模块(module)，并探索基因网络与关注的表型之间的关联关系，以及网络中的核心基因。

质控+过滤：
常规的质控和过滤数据是fastqc+trimmomatic，据说fastp更快，而且一次完成质控过滤和出图。
fastp的github：https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2FOpenGene%2Ffastp
fastp的出版地址：https://links.jianshu.com/go?to=https%3A%2F%2Fdoi.org%2F10.1093%2Fbioinformatics%2Fbty560

FastQC是一款基于Java的软件，它可以快速地对测序数据进行质量评估，其官网为：http://www.bioinformatics.babraham.ac.uk/projects/fastqc/

NGS 原始数据过滤对后续分析至关重要，去除一些无用的序列也可以提高后续分析的准确率和效率。Trimmomatic 是一个功能强大的数据过滤软件。

Trimmomatic 发表的文章至今已被引用了 2810 次，是一个广受欢迎的 Illumina 平台数据过滤工具。其他平台的数据例如 Iron torrent ，PGM 测序数据可以用 fastx_toolkit 、NGSQC toolkit 来过滤。

Trimmomatic 支持多线程，处理数据速度快，主要用来去除 Illumina 平台的 Fastq 序列中的接头，并根据碱基质量值对 Fastq 进行修剪。软件有两种过滤模式，分别对应 SE 和 PE 测序数据，同时支持 gzip 和 bzip2 压缩文件。
更多Trimmomatic信息：
http://www.usadellab.org/cms/index.php?page=trimmomatic

数据处理：
Sentieon：https://www.insvast.com/sentieon

MutationalPatterns是一个bioconductor上的R包，可以用于肿瘤突变频谱的分析。

GATK:
https://github.com/broadinstitute/gatk/releases

SingleR包：https://bioconductor.org/packages/3.11/bioc/html/SingleR.html
SingleR是一个用于对单细胞RNA-seq测序（scRNA-seq）数据进行细胞类型自动注释的R包（Aran et al.2019）。它通过给定的具有已知类型标签的细胞样本作为参考数据集，对测试数据集中与参考集相似的细胞进行标记注释。

深度学习应用于基因组学：解密人类遗传密码
https://github.com/ThitherShore/DLforGenomics

大家对 “ 多组学科研分析 ” 发表过 1 次评论 Response

1. 
   Pika Says: 12月 12th, 2021 at 下午8:31

   给杨老师补充一点：现在国内很多组学的单因素研究，比如最近这两年比较出名的，南京医科大附院和GE影像研究院合作的那篇基于CT的影像组学甲状腺结节良恶性鉴别研究，灵敏度88%，诊断准确率91%，模型AUC 0.92。所以多因素联合模型的研究可以朝着更高的水平进发，嘿嘿

留下评论

You must be logged in to post a comment.