基于腫瘤RNA-Seq數(shù)據(jù)識(shí)別融合基因的方法研究.pdf

1、融合基因是指兩個(gè)基因的編碼區(qū)首尾相連構(gòu)成的嵌合基因。當(dāng)染色體發(fā)生易位、重排或者缺失時(shí)，都有可能產(chǎn)生融合基因。融合基因編碼的蛋白通常具有致癌性，會(huì)影響細(xì)胞的正常生理功能，是導(dǎo)致癌癥的主要原因之一。目前，在肺癌、甲狀腺、乳腺癌等疾病中，都發(fā)現(xiàn)了融合基因的存在。若能成功檢測(cè)融合基因，將有助于癌癥診斷，甚至是癌癥治療。
　　二代測(cè)序技術(shù)的出現(xiàn)，使得從基因組水平檢測(cè)融合基因成為了可能。通過(guò)分析融合基因測(cè)序讀段特征，尋找融合基因和正常基因測(cè)序

2、讀段的差異，開(kāi)發(fā)出了一種新的融合基因檢測(cè)算法：GFusion。其采取了分割比對(duì)的方法，首先使用Bowtie、Tophat等軟件，將讀段比對(duì)到人類參考基因組，得到SAM文件并從中提取出沒(méi)有比對(duì)信息的讀段。其次，將這些未比對(duì)上的讀段，采用序列分割的方法創(chuàng)建人工雙端讀段，再重新比對(duì)這些雙端讀段，以此定位其來(lái)源基因及外顯子信息。然后，對(duì)這些人工雙端讀段進(jìn)行多重過(guò)濾篩選，從而得到候選的融合基因及融合讀段。最后將候選的融合讀段比對(duì)到重建的bowti

3、e參考索引中，得到最終確認(rèn)的融合基因及融合讀段。與現(xiàn)有的融合基因檢測(cè)軟件Tophat-Fusion、FusionMap等相比，GFusion的過(guò)濾校驗(yàn)標(biāo)準(zhǔn)使用了復(fù)雜的雙端映射匹配信息以及重構(gòu)的讀段比對(duì)bowtie索引，使融合基因檢測(cè)結(jié)果更加可靠。
　　為了測(cè)試GFusion的性能，使用人類乳腺癌細(xì)胞系，正常乳腺細(xì)胞系，慢性粒細(xì)胞白血病K-562細(xì)胞系的RNA-Seq數(shù)據(jù)做了分析。GFusion成功檢測(cè)到實(shí)驗(yàn)證實(shí)的融合基因，并預(yù)測(cè)到

4、了部分新的融合基因。在人類乳腺癌細(xì)胞系23個(gè)實(shí)驗(yàn)證實(shí)的融合基因中，GFusion檢測(cè)到了其中20個(gè)。在K-562細(xì)胞系中，成功發(fā)現(xiàn)了BCR-ABL1融合基因，這與研究證明的慢性粒細(xì)胞白血病病因相吻合。為了與已有的融合基因檢測(cè)軟件Tophat-fusion、FusionMap比較，還將人類胚胎干細(xì)胞數(shù)據(jù)和融合讀段相混合創(chuàng)建了模擬數(shù)據(jù)集。經(jīng)過(guò)數(shù)據(jù)結(jié)果，敏感度，假陽(yáng)性率，以及融合基因支持的讀段數(shù)量比較，發(fā)現(xiàn)GFusion對(duì)于融合基因檢測(cè)效果更