Name: Klinische Varianteninterpretation mit dem Integrative Genomics Viewer (IGV) für Molekularpathologen (Video) | JoVE Journal
Uploaded: 2026-08-14T14:13:00.000+00:00
Duration: 4 min 4 s
Description: Lernen Sie die klinische Varianteninterpretation mit dem Integrative Genomics Viewer (IGV) für Molekularpathologen. Diese Methode ermöglicht die Visualisierung von NGS-Daten zur verbesserten Erkennung somatischer Mutationen in Krebspatienten.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Wir danken allen Entwicklern der IGV-Software sowie dem NIH-Zuschuss, der die IGV-Entwicklung derzeit finanziert:&#160;U24CA258406. Für die Entwicklung dieser Studie wurden keine Mittel eingeworben.

<ol>
	<li>Tjota MY, Segal JP, Wang P. Clinical utility and benefits of comprehensive genomic profiling in cancer. J Appl Lab Med. 2024;9(1):76-91.</li>
	<li>Freedman AN, et al. Use of next-generation sequencing tests to guide cancer treatment: results from a nationally representative survey of oncologists in the United States. JCO Precis Oncol. 2018;2:PO.18.00169.</li>
	<li>Ghoreyshi N, et al. Next-generation sequencing in cancer diagnosis and treatment: clinical applications and future directions. Discov Oncol. 2025;16:578.</li>
	<li>Aisner DL, et al. The Genomics Organization for Academic Laboratories (GOAL): A vision for a genomics future for academic pathology. Acad Pathol. 2023;10(3):100090.</li>
	<li>Robinson JT, Thorvaldsd&#243;ttir H, Wenger AM, Zehir A, Mesirov JP. Variant review with the Integrative Genomics Viewer (IGV). Cancer Res. 2017;77(21):e31-e34.</li>
	<li>Thorvaldsd&#243;ttir H, Robinson JT, Mesirov JP. Integrative Genomics Viewer (IGV): high-performance genomics data visualization and exploration. Brief Bioinform. 2013;14(2):178-192.</li>
	<li>Richards S, et al. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genet Med. 2015;17(5):405-424.</li>
	<li>Larson NB, Oberg AL, Adjei AA, Wang L. A clinician&#39;s guide to bioinformatics for next-generation sequencing. J Thorac Oncol. 2023;18(2):143-157.</li>
	<li>J&#228;nne PA, et al. Adagrasib in non-small-cell lung cancer harboring a KRAS G12C mutation. N Engl J Med. 2022;387(2):120-131.</li>
	<li>Vandenberg BN, et al. Contributions of replicative and translesion DNA polymerases to mutagenic bypass of canonical and atypical UV photoproducts. Nat Commun. 2023;14(1):2576.</li>
	<li>Dunn T, Narayanasamy S. vcfdist: accurately benchmarking phased small variant calls in human genomes. Nat Commun. 2023;14(1):8149.</li>
	<li>Trent JC. Toward personalized, targeted therapy of gastrointestinal stromal tumor. Gastrointest Cancer Res. 2008;2(5):256-257.</li>
	<li>Xu CW, et al. Molecular characteristics and clinical outcomes of EGFR Exon 19 C-helix deletion in non-small cell lung cancer and response to EGFR TKIs. Transl Oncol. 2020;13(9):100791.</li>
	<li>Guille A, et al. A benchmarking study of individual somatic variant callers and voting-based ensembles for whole-exome sequencing. Brief Bioinform. 2024;26(1):bbae697.</li>
	<li>Cooke DP, Wedge DC, Lunter G. A unified haplotype-based method for accurate and comprehensive variant calling. Nat Biotechnol. 2021;39(7):885-892.</li>
	<li>Ezzati S, Salib S, Balasubramaniam M, Aboud O. Epidermal Growth Factor Receptor inhibitors in glioblastoma: current status and future possibilities. Int J Mol Sci. 2024;25(4):2316.</li>
	<li>Vivanco I, et al. Differential sensitivity of glioma- versus lung cancer-specific EGFR mutations to EGFR kinase inhibitors. Cancer Discov. 2012;2(5):458-471.</li>
</ol>

Alle Autoren geben an, dass sie keine Interessenkonflikte haben.

Eine genaue Variantenanalyse für die klinische Berichterstattung hängt von komplexen bioinformatischen Algorithmen und der Einbeziehung einer visuellen Überprüfung komplexer Varianten mithilfe von IGV5,6 ab. Diese Studie wurde durchgeführt, um eine prägnante Ressource empfohlener Einstellungen zur Visualisierung einfacher und komplexer genomischer Veränderungen in IGV zusammenzustellen (Zusatzdatei 1). Der Fokus dieser Studie liegt auf häufigen s...

Die Onkologiebehandlung hat sich in den letzten Jahren durch den Einsatz von Sequenzierungstechnologien der nächsten Generation (NGS) zur Unterstützung von Diagnose, Prognose und Therapieauswahl grundlegend verändert1. Die NGS-Testung ist mittlerweile zum Standard der Versorgung bei mehreren Tumortypen geworden, um 1) die Diagnose eines molekular definierten Tumors zu stellen, 2) therapieentscheidende biomarkerbasierte Ergebnisse unabhängig vom Tumortyp zu nutzen und 3) die Risikostratifizierung für bestimmte Tumortypen zu bestimmen2,3. Genaue und zeitnahe Ergebnisse aus NGS- und anderen Biomarker-Tests sind mittlerweile ein entscheidender Bestandteil der Patientenversorgung und -planung in der Onkologie. 
NGS-Tests werden typischerweise entweder in großen Referenzlaboren oder in krankenhausgebundenen/akademischen Laboren durchgeführt, sofern die Institutionen über ausreichend Fachkenntnisse und Ressourcen verfügen, um solche Tests zu entwickeln und aufrechtzuerhalten. Die Genomics Organization for Academic Laboratories (GOAL) wurde als kollaboratives Netzwerk konzipiert, das auf den Austausch akademischen Wissens und gemeinsame Nutzung von Reagenzkosten fokussiert ist4. Ein wesentlicher Schwerpunkt des GOAL-Konsortiums bestand in Schulungsveranstaltungen zu kritischen Komponenten der Überprüfung und Berichterstattung klinischer Studien. Diese wurden als praktische Lehrveranstaltungen konzipiert und beinhalten einen interaktiven Workshop zum integrativen Genomik-Betrachter (IGV), um dessen grundlegende und erweiterte Funktionen in der genomischen Medizin zu demonstrieren.
IGV ist ein Visualisierungstool für Daten, das es Nutzern ermöglicht, NGS-Daten und andere große Datensätze einfach zu überprüfen, da die meisten NGS-Daten ohne grafische Benutzeroberfläche umfangreich und unhandlich sind5. IGV wurde ursprünglich nicht für die klinische Variantenanalyse konzipiert. Aufgrund seiner einfachen Handhabung für alle molekularen Fachkräfte, unabhängig von ihrem Bioinformatik-Kenntnisstand, hat es jedoch in vielen Laboren Eingang in den komplexen Workflow zur Datenauswertung gefunden6. Diese Studie wurde als Mechanismus entwickelt, um diese Informationen der breiteren Gemeinschaft genombasierter Laborfachkräfte zugänglich zu machen.
Die klinische Notwendigkeit, IGV als Teil eines klinischen Workflows zu verwenden, umfasst die Erkennung von Sequenzierungsfehlern, das Bewältigen von Komplexitäten bei der Identifizierung genomischer Varianten sowie weiterer wiederkehrender Veränderungen, bei denen eine zusätzliche Visualisierung bei der angemessenen Dateninterpretation hilfreich sein kann7. Die Verwendung von IGV erfordert standardmäßige bioinformatische Dateien, die aus einer NGS-Studie stammen8. Zu den Kernfunktionen der IGV-Software gehört die Visualisierung von Sequenzierungsdaten, wozu eine Konfiguration bestimmter Einstellungen und Optionen für die klinische Varianteninterpretation erforderlich ist (Supplementary File 1).
Der Ablauf der Kurzsequenz-Sequenzierung wird durch die Dateistandards FASTQ, binäre Alignmentskarte (BAM) und Variant Call Format (VCF) gekennzeichnet. NGS erreicht seine hohe Durchsatzleistung, indem es Millionen von kurze Reads parallel. Während diese Strategie die Datenerzeugung erheblich beschleunigt, stellt jeder Read nur ein Fragment der ursprünglichen DNA oder RNA dar. Es ist über seine Adaptersequenz an einer bestimmten Position einer NGS-Flowcell befestigt. Sequenz- und Basenqualitätsinformationen aus der optischen Verarbeitung werden erfasst in FASTQ Dateien. Diese Rohdaten sind Nukleotidsequenzen zusammen mit ihren Qualitätsbewertungen pro Base. Daher besteht ein früher Schritt bei der Verarbeitung der Rohdaten darin, jede Sequenz einem Referenzgenom zuzuordnen.8Da jeder Read mit der höchsten Wahrscheinlichkeit einer spezifischen Position im Referenzgenom zugeordnet wird, werden die Reads, die derselben Position entsprechen &#34;ansammeln&#34; an jedem Locus, und solche Daten werden in einer BAM-Datei gemäß den Spezifikationen für die Sequenzalignierung und -kartierung (SAM, Sequence Alignment/Map) gespeichert (verfügbar unter https://samtools.github.io/hts-specs/SAMv1.pdf; letzte Überprüfung: 30.09.2025) (Abbildung 1A). Diese Informationen können mit einem Genombrowser wie IGV visuell überprüft werden. Wie in Abbildung 1B, der Vergleich der Reads untereinander oder mit der Referenzsequenz selbst kann Unterschiede oder Diskrepanzen zwischen den Nukleotidsequenzen aufzeigen. Zusammenfassungen lediglich dieser &#34;Variante&#34; Positionen über das gesamte Genom werden in einer VCF-Datei zusammengefasst, die daher viel kleiner sein kann als eine BAM-Datei, aber dennoch einen Großteil der für die Variantenanalyse erforderlichen nützlichen Informationen enthält. Aus diesem Grund ist die VCF-Datei üblicherweise die endgültige Ausgabe von Variantenaufruf-Pipelines.Abbildung 1C). Während FASTQ-Dateien die rohen Reads und Qualitätsdaten enthalten, liefert die BAM-Datei Aufschluss darüber, wie zuverlässig diese Reads auf das Genom aligniert sind, und die VCF-Datei stellt die Unterschiede zwischen der Referenzsequenz und der Probensequenz dar, wodurch eine deutlich überschaubarere Datenmenge für die Überprüfung auf potenzielle Befundung bereitgestellt wird.
Die sechs klinischen Fallbeispiele dieser Studie veranschaulichen häufige analytische Szenarien, die mit der Detektion somatischer Varianten in molekularbiologischen Laboren verbunden sind, sowie die Probleme, die das korrekte Verständnis und die Interpretation der zugrundeliegenden Daten erschweren. Insgesamt wurden diese Fallbeispiele ausgewählt, um zunehmend komplexe interpretative Szenarien darzustellen und zu zeigen, wie die Nutzung fortschrittlicher Funktionen in IGV umfassendere genomische Merkmale besser beschreiben kann. Obwohl sich diese Studie auf die Interpretation somatischer Varianten konzentriert, sind diese Funktionen auch bei der Nutzung von IGV zur Visualisierung und Interpretation keimlinienbedingter Veränderungen anwendbar6. Bemerkenswert ist, dass die in diesem Artikel verwendeten Begriffe auf der Sequenzierung-durch-Synthese-Chemie basieren und, wo zutreffend, andere analoge Begriffe bzw. Konzepte für andere Plattformen einbeziehen.
Jeder klinische Fall beginnt mit einem sehr kurzen klinischen Kontext, gefolgt von Anweisungen zur Untersuchung der Variante oder Varianten und zur Klärung der Frage: Welche der vorhandenen Varianten ist echt (falls zutreffend) und welche ist ein Artefakt (falls zutreffend)? Der klinische Kontext zusammen mit den spezifischen Merkmalen der Sequenzierungsdaten ist entscheidend, um diese Frage zu beantworten.

<table><tbody><tr><td>BLAT</td><td>BLAT-Genomsuche</td><td>https://genome.ucsc.edu/cgi-bin/hgBlat</td><td>Eigenständige BLAT-Webseite. Die BLAT-API ist innerhalb von IGV verfügbar, kein zusätzlicher Installationsaufwand erforderlich</td></tr><tr><td>CNVKit</td><td>GitHub</td><td>https://github.com/etal/cnvkit</td><td>Öffliches GitHub-Repository mit CNVKit zum kostenlosen Download. Anleitungen zum Herunterladen und Ausführen von CNVKit sind ebenfalls hier verfügbar.</td></tr><tr><td>Vergleichssegmentdatei #1 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c1.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei #2 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c2.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei #3 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c4.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei #4 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c5.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei #5 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c6.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei #6 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c7.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei #7 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c8.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei #8 für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c9.seg</td><td>Kopienzahldateien</td></tr><tr><td>Vergleichssegmentdatei für Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c3.seg</td><td>Kopienzahldateien</td></tr><tr><td>Menschliche Genomsequenz</td><td>Menschliche Genomsequenz</td><td>https://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/latest/hg38.fa.gz</td><td>Herunterladbare FASTA-Datei mit dem Hg38-Menschen-Genom-Release.&amp;nbsp; Diese ist innerhalb von IGV verfügbar, kein zusätzlicher Download erforderlich</td></tr><tr><td>Menschliche Genomsequenz</td><td>Menschliche Genomsequenz</td><td>https://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/latest/hg19.fa.gz</td><td>Herunterladbare FASTA-Datei mit dem Hg19-Menschen-Genom-Release. Diese ist innerhalb von IGV verfügbar, kein zusätzlicher Download erforderlich</td></tr><tr><td>IGV-Softwarepaket</td><td>IGV-Software</td><td>https://data.broadinstitute.org/igv/projects/downloads/2.19/IGV_Win_2.19.7-WithJava-installer.exe</td><td>IGV-Softwareversion 2.19.7 mit Java (JDK 21), kostenlos zum Download. Der Link hier ist für Windows, Links für Linux und Mac sind ebenfalls verfügbar.</td></tr><tr><td>Segmentdatei für Vignettenbeispiel #5 Fall</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.seg</td><td>Kopienzahldateien</td></tr><tr><td>Tutorial-GitHub-Repository</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/tree/main</td><td>Öffentliches GitHub-Repository mit allen notwendigen Dateien, um die sechs Vignettenbeispiele nachzuvollziehen</td></tr><tr><td>Vignettenbeispiel #1</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KRAS.xml</td><td>Sitzungsdateien</td></tr><tr><td>Vignettenbeispiel #1 Fall A bai-Index</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/kras2A_fixed_backbone_&lt;br/&gt; 2A_new_final_sorted.bam.bai</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #1 Fall A BAM-Ausrichtungsdatei</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/kras2A_fixed_backbone_&lt;br/&gt; 2A_new_final_sorted.bam</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #1 Fall B bai-Index</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/kras2B_fixed_backbone_&lt;br/&gt; 2B_new_final_sorted.bam.bai</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #1 Fall B BAM-Ausrichtungsdatei</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/kras2B_fixed_backbone_&lt;br/&gt; 2B_new_final_sorted.bam</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #2</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/BRAF.xml</td><td>Sitzungsdateien</td></tr><tr><td>Vignettenbeispiel #2&amp;nbsp; bai-Index</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/fig2C_braf_v600k_2bp_&lt;br/&gt; backbone_2CD_new_final_sorted.bam.bai</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #2&amp;nbsp; BAM-Ausrichtungsdatei</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/fig2C_braf_v600k_2bp_&lt;br/&gt; backbone_2CD_new_final_sorted.bam</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #3</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KIT.xml</td><td>Sitzungsdateien</td></tr><tr><td>Vignettenbeispiel #3 bai-Indexdatei</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KITdupmod2.bai</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #3 BAM-Ausrichtungsdatei</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KITdupmod2.bam</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #4</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFR.xml</td><td>Sitzungsdateien</td></tr><tr><td>Vignettenbeispiel #4 Ausrichtungsdatei</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFRE746_A750delmod.bam</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #4 bai-Index</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFRE746_A750delmod.bai</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/copynumber.xml</td><td>Sitzungsdateien</td></tr><tr><td>Vignettenbeispiel #6</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/egfr_vIII.xml</td><td>Sitzungsdateien</td></tr><tr><td>Vignettenbeispiel #6 bai-Index</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.bai</td><td>Ausrichtungsdateien</td></tr><tr><td>Vignettenbeispiel #6 BAM-Ausrichtungsdatei</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.bam</td><td>Ausrichtungsdateien</td></tr></tbody></table>

klinische varianteninterpretation mit dem integrative genomics viewer (igv) für molekularpathologen

Clinical Variant Interpretation with the Integrative Genomics Viewer (IGV) for Molecular Pathologists

Der Integrative Genomics Viewer (IGV) ist ein entscheidendes Werkzeug in der klinischen Genomik, das die Visualisierung und Interpretation komplexer Sequenzierungsdaten ermöglicht. Die Verknüpfung klinischer Kenntnisse mit der visuellen Auswertung von Sequenzierungsergebnissen ist die primäre Methode, mit der molekularpathologische und andere Fachkräfte Fälle bewerten und abschließen. Eine Vielzahl von Software-Tools kann dabei unterstützen, doch ihr Verhältnis zu den zugrundeliegenden Daten muss verstanden und systematisch angewendet werden. Diese Studie bietet grundlegende Hintergrundinformationen zu Dateitypen der Next-Generation-Sequenzierung (NGS) (z. B. FASTQ, BAM, VCF) sowie eine Erläuterung ihres Formats und ihrer Funktion. Anschließend beschreiben wir IGV-Funktionen, die sich aus diesen Dateien ergeben. Wir verwenden eine Reihe kuratierter praktischer Fälle, die auf klinischen Fallbeispielen basieren, anhand derer der Leser mithilfe der IGV-Software klinische NGS-Sequenzierungsdaten analysiert und verschiedene Arten klinisch relevanter Varianten im Verhältnis zum menschlichen Referenzgenom überprüft. Diese klinischen Fallbeispiele wurden so zusammengestellt, dass sie exemplarisch für einige der Komplexitäten bei der Interpretation genomischer Daten stehen und aufzeigen, wie der Einsatz von IGV im routinemäßigen Arbeitsablauf zusätzliche interpretative Informationen zu Varianten liefern kann, die über die standardmäßigen bioinformatischen Algorithmus-Aufrufe hinausgehen. Die visuelle Inspektion genomischer Varianten unter Nutzung der Werkzeuge in IGV kann subtile kontextuelle Hinweise (z. B. Varianten-Allelfrequenz, Strangbias, gewebespezifischer Kontext) offenlegen, die die Interpretation genomischer Varianten beeinflussen können. Obwohl sich diese Studie auf den Einsatz von IGV zur Detektion und Interpretation somatischer Varianten konzentriert, können die dargestellten Anwendungen auch auf Keimbahn-Analysen übertragen werden, einschließlich der Untersuchung komplexer Varianten und des Nachweises von Mosaikformen.

Hervorzuheben ist, dass diese Studie darauf abzielt, die Feinheiten der Variantenanalyse in IGV für die klinische Berichterstattung zu beschreiben. Die endgültige klinische Berichterstattung sollte von der validierten Pipeline, den Qualitätskriterien und der Berichtspolitik jedes einzelnen Labors abhängen. Eine vollständige Erörterung dieses wichtigen Themas geht über den Rahmen der vorliegenden Studie hinaus; empfohlene Standards und Leitlinien wurden jedoch vom American College of Medical Genetics and Genomics und der ...

Die Software Integrative Genomics Viewer (IGV) bietet ein umfassendes und intuitives Fenster in die zugrundeliegenden Daten für die klinische Variantenidentifizierung. Hier stellen wir fünf Fallbeispiele vor, die zeigen, wie eine schnelle Unterscheidung zwischen echten pathogenen Ereignissen und Artefakten durchgeführt werden kann, wodurch letztendlich das diagnostische Vertrauen von Anwendern bei der molekularen Befundung von NGS-Assays gestärkt wird.

Klinische Varianteninterpretation mit dem Integrative Genomics Viewer (IGV) für Molekularpathologen

Der Integrative Genomics Viewer (IGV) ist ein zentrales Werkzeug in der klinischen Genomik, das die Visualisierung und Interpretation komplexer Sequenzierungsdaten ermöglicht. ...

Wir möchten grundlegende Fähigkeiten für die Nutzung des IGV vermitteln, um somatische Mutationen bei Krebspatienten korrekt finden und berichten zu können. Die Anleitung zur Verwendung des IGV in klinischen Laboratorien ist derzeit begrenzt. Dieses Protokoll schließt diese Lücke, indem es kuratierte klinische Fallbeispiele bereitstellt.Als Erstes laden Sie die neueste Version der Integrative Genomics Viewer-Software für Windows mit enthaltenem Java herunter und installieren Sie diese. Danach laden Sie die klinischen Fallbeispiel-Dateien aus dem GitHub-Repository herunter. Überprüfen Sie im Menüleistenmenü der IGV-Software, ob „Coverage-Track anzeigen“ aktiviert ist. Um klinisch signifikante Varianten in niedriger Konzentration zu erkennen, stellen Sie den Schwellenwert für die Allelfrequenz in der Abdeckung auf 0,01 ein. Aktivieren Sie abschließend im Menüleistenmenü „Weich gekürzte Basen anzeigen“, um teilweise ausgerichtete Reads mit abgeschnittenen Enden anzuzeigen. Prüfen Sie die Details des Fallbeispiels wie Patientenalter, Erkrankung und NGS-Ergebnisse, bevor Sie mit dem Workflow beginnen. Wählen Sie im Dropdown-Menü „Genom“ oben links das Referenzgenom hg38 aus und ziehen S

clinical-variant-interpretation-with-integrative-genomics-viewer-igv

Research

Forschung

JoVE Journal

Cancer Research

Krebsforschung

Die Identifizierung neuartiger Wirkstoffziele, die von präklinischen Tests zu Versuchen am Menschen übergehen, ist eine wissenschaftliche Priorität. Zu diesem Zweck beschreiben wir hier einen funktionellen genomischen Ansatz, um die Auswirkungen der Genverarmung auf Sphäroide von Krebszelllinien zu untersuchen, die menschliche Krebserkrankungen in vivo besser modellieren.

Functional Genomics Screening Verwendung zur Identifizierung möglicher neuer Wirkstoff-Targets in Cancer Cell Sphäroid-Kulturen

Hier beschreiben wir Xenotransplantat Zebrabärbling Modelle mit zwei verschiedenen Injektionsstellen, dh perivitellinen Raum und Kanal von Cuvier, das invasive Verhalten zu untersuchen und die intravasation und Extravasation Potential von menschlichen Brustkrebszellen zu bewerten sind.

Invasive Verhalten von menschlichen Brustkrebszellen in embryonalem Zebrabärbling

Hier wird ein Verfahren zur Herstellung von 3-dimensionalen (3D) Sphäroid Kokultur Pankreaskarzinom-Zellen und Fibroblasten, gefolgt von Messung von Stoffwechselfunktionen mit einer extrazellulären Flux-Analyzer beschrieben.

Vorbereitung und metabolische Assay von 3-dimensionalen Sphäroid Ko-Kulturen von Pankreaskarzinom-Zellen und Fibroblasten

Aneuploidie führt zu Genom Instabilität, die schließlich Zellzyklus verhaftet Zellen mit komplexen Karyotypen produziert. Dieses Papier stellt eine einfache und bequeme Methode zum aneuploiden Zellen mit komplexen Karyotyp zu isolieren, die aufhören zu teilen.

Generation und Isolierung des Zellzyklus verhaftet Zellen mit komplexen Karyotyp

Hier präsentieren wir Ihnen ein Protokoll für die Erzeugung von induzierten pluripotenten Stammzellen (iPSCs) von Li-Fraumeni Syndrom (LFS) Patienten abgeleiteten Fibroblasten, Differenzierung der iPSCs über mesenchymalen Stammzellen (MSCs), Osteoblasten und Modellierung in vivo Tumorgenese mit LFS Patienten abgeleitet Osteoblasten.

Modellierung von Osteosarkom mit Li-Fraumeni-Syndrom, die Patienten abgeleitet induzierten pluripotenten Stammzellen

Hier präsentieren wir eine Protokoll, das Details der technischen Aspekte und wesentliche Voraussetzungen, um robuste IG gen Sequenzanalyse bei Patienten mit chronischer lymphatischer Leukämie (CLL), stellen Sie sicher basierend auf den gesammelten Erfahrungen der Europäischen Forschungsinitiative auf CLL (ERIC).

Immunglobulin-gen-Sequenzanalyse In chronischer lymphatischer Leukämie: Aus Patientenmaterial Sequenz Interpretation

Dieses Protokoll beschreibt ein Verfahren zum Extrahieren und Phosphopeptides von Prostatakrebs-Zelllinien oder Gewebe für eine Analyse der Phosphoproteome per Massenspektrometrie-basierte Proteomics zu bereichern.

Phosphopeptide Bereicherung gepaart mit quantitativen markierungsfreie Massenspektrometrie zu untersuchen, die Phosphoproteome bei Prostatakrebs

Hier ist ein Protokoll für Medium-High Throughput Analyse von Protein-Phosphorylierung-Veranstaltungen auf der zellulären Ebene präsentiert. Phospho-Durchflusszytometrie ist ein leistungsfähiger Ansatz charakterisieren Signalisierung Aberrationen, identifizieren und Biomarker zu validieren und Pharmakodynamik zu beurteilen.

Phospho-Durchflusszytometrie mit fluoreszierenden Zelle Barcoding für einzelne Zelle Signalisierung Analyse und Entdeckung von Biomarkern

Das Glioblastom ist der häufigste und aggressive primäre Gehirn Malignität bei Erwachsenen, mit die meisten Tumoren nach der Erstbehandlung wiederkehrende. Behandlung von Felder (auf) Tumortherapie ist die neueste Behandlungsmethode für Glioblastom. Hier beschreiben wir die ordnungsgemäße Anwendung des auf-Transducer-Arrays auf Patienten und Theorie und Aspekte der Behandlung zu besprechen.

Die klinische Anwendung des Tumors, die Behandlung von Feldern Therapie bei Glioblastom

Hier beschreiben wir eine Methode zur hochauflösenden Zeitraffer-Multiphotonen-Bildgebung von Hirntumorzellen vor und nach invasiven chirurgischen Eingriffen (z.B. Biopsie) innerhalb desselben lebenden Tieres. Diese Methode ermöglicht es, die Auswirkungen dieser invasiven chirurgischen Eingriffe auf das wandernde, invasive und proliferative Verhalten von Tumorzellen auf einer einzelnen Zellebene zu untersuchen.

Längsschnitt-Intravital-Bildgebung des Hirntumorzellverhaltens als Reaktion auf eine invasive chirurgische Biopsie

Lernen Sie die klinische Varianteninterpretation mit dem Integrative Genomics Viewer (IGV) für Molekularpathologen. Diese Methode ermöglicht die Visualisierung von NGS-Daten zur verbesserten Erkennung somatischer Mutationen in Krebspatienten.

Klinische Varianteninterpretation mit dem Integrative Genomics Viewer (IGV) für Molekularpathologen

Weitere Videos entdecken