27

第45周-多点取样的WES看肿瘤内部异质性可靠性评价

肿瘤内部异质性问题已经是老生常谈了,在NGS如日中天的这些年,已经有非常多的多位点取样进行WES测序探索肿瘤异质性的(不同癌症研究的列表见文末),但是这个技术的可靠性并没有进行系统的评价,技术噪音,技术误差是可观存在的,所以就有了本研究:bioRxiv preprint first posted online Jan. 24, 2018; doi: http://dx.doi.org/10.1101/253195. 虽然并没有正式发布在SCI期刊,但是也值得解读。

Continue reading

27

第43周-人工整理的细胞系资料库

新鲜出炉的NAR文章:Cell Model Passports—a hub for clinical, genetic and functional datasets of preclinical cancer models Published: 27 September 2018 ,位于英国的sanger研究所的科研团队详细整理了目前常见的科研细胞系的多种资料,并制作网站共所有科研人员查询浏览:cellmodelpassports.sanger.ac.uk, 可以说是非常贴心了。

Continue reading

13

sam和bam格式文件的shell小练习

首先使用bowtie2软件自带的测试数据生成sam/bam文件,代码如下:

mkdir -p ~/biosoft
cd ~/biosoft
wget https://sourceforge.net/projects/bowtie-bio/files/bowtie2/2.3.4.3/bowtie2-2.3.4.3-linux-x86_64.zip 
unzip bowtie2-2.3.4.3-linux-x86_64.zip 
cd ~/biosoft/bowtie2-2.3.4.3-linux-x86_64/example/reads
../../bowtie2 -x ../index/lambda_virus -1 reads_1.fq -2 reads_2.fq > tmp.sam
# samtools view -bS tmp.sam >tmp.bam

Continue reading

30

第41周文献分享-肝癌复发的CpG甲基化信号特征

发表于2017年,杂志是 JOURNAL OF CLINICAL ONCOLOGY 影响因子26.303 , 文章是 CpG Methylation Signature Predicts Recurrence in Early-Stage Hepatocellular Carcinoma: Results From a Multicenter Study 亮点应该是自己的数据,然后使用了两个机器学习算法

  • LASSO, Least Absolute Shrinkage and Selector Operation;
  • SVM-RFE, Support Vector Machine-Recursive Feature Elimination;
    前面我们讲解了一篇2013年多组学数据探索乳腺癌细胞系药物敏感性使用的也是两个机器学习算法,不过是LS-SVM和RF,但是也有借鉴意义。

    Continue reading

30

第39周文献分享-探索BRCA1基因全部可能的突变的功能

2018年9月朋友圈刷屏的nature文章,题目是:Accurate classification of BRCA1 variants with saturation genome editing 字面意思是探索了BRCA1基因上面的全部可能的突变位点的生物学意义,但事实上只是探索了96.5% of all possible single-nucleotide variants (SNVs) in 13 exons that encode functionally critical domains of BRCA1.

Continue reading

12

第36周-时间序列表达矩阵揭示肿瘤转移的动态过程

时间序列表达矩阵揭示肿瘤转移的动态过程

肝癌很可怕,尤其是转移后,很多关于其转移前后对比的研究,但是缺乏中间过程数据,特别是转移临界点
作者通过肝癌模型,在不同时间点取样做芯片转录组,试图分析 non-metastatic (or normal) and pre-metastatic (or critical) 这两种状态区别。顺利找到了临界点及其相关调控网络,而且还重点分析了其中一个网络的最重要的节点基因:CALML3
To discover early warning signals of pulmonary metastasis in HCC, we analysed time-series gene expression data in the spontaneous pulmonary metastasis mouse HCCLM3-RFP model with our novel dynamic network biomarker (DNB) method.
构建了 xenograft HCCLM3-RFP mice , 20只小鼠分成4组,即4个时间点(W2, W3, W4, W5)取样。

Continue reading