方法論記事

マルチオミクス次世代シーケンシングデータにおける個体間汚染およびミスマッチの検出

DOI：

10.3791/69428

⸱

2026年4月17日

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Genentech Research and Early Development, 2Rancho Biosciences, LLC, 3Roche Poland Sp. z o.o., 4Roche Pharma Research and Early Development, Data and Analytics, Roche Innovation Center Basel, F. Hoffmann-La Roche Ltd, 5Roche Pharma Research and Early Development, Genetics and Genomics, Roche Innovation Center Basel, F. Hoffmann-La Roche Ltd, 6Roche Pharma Research and Early Development, Genetics and Genomics, Roche Innovation Centre Welwyn, F. Hoffmann-La Roche Ltd, 7Computational Sciences Center of Excellence, Roche Diagnostics GmbH, 8Roche Pharma Research and Early Development, Early Development Oncology, Roche Innovation Center Zurich, F. Hoffmann-La Roche Ltd

この記事について

サマリー

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

このプロトコルは、個人間の汚染や次世代シーケンシングデータの不一致を検出するために、個体内のサンプルペアの遺伝的同一性を検証する品質管理フレームワークの実装を説明しています。

要約

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

次世代シーケンシングによる患者バイオサンプルのハイスループット処理や、分子データと患者レベルおよびサンプルレベルの臨床データの比較は、サンプル識別子の正確な追跡とマッチングを必要とし、バイオマーカー試験結果の堅牢な解釈を可能にするために不可欠です。サンプルやデータ処理のワークフローの個々のステップを追跡するだけでなく、バイオインフォマティクスのソリューションを用いてサンプルが同一患者から来ていることを確認できます。ここでは、同一個人から出自する一致サンプルを特定するためのバイオインフォマティクスのワークフローを活用した様子が紹介されます。分析ワークフローは、患者サンプルの起源を比較・検証する任意の2組以上のNGSデータセットに適しています。ゲノム全体でのサンプル比較に基づくスコアリングアルゴリズムにより、ユーザーは2つのサンプルが同一の個体から来ているかどうかを判別できます。具体的には、選択された連鎖不平衡ブロック内の単一塩基多型(SNP)を用いてサンプルの同定と比較を行います。適合サンプルとミスマッチサンプルの許容かつ厳格な選択のための閾値の組み合わせが特定されました。このプロトコルの有用性は、2,000人以上の患者から採取された複数のオミクスモダリティを含む臨床腫瘍組織および血液サンプルの品質管理および検証に応用されることで実証されました。

概要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

臨床サンプルの大規模な収集と分析には、同一または異なるモダリティの分子データと臨床患者およびサンプルレベルのデータを正確に一致させることが、正確な解釈と情報に基づく意思決定に不可欠であるため、サンプルの保管チェーンに沿って正確な追跡が必要です。良好な臨床実践の下でサンプル処理プロトコルの効率化に努めているにもかかわらず、サンプルの交換や誤表示は生検・サンプル抽出から準備・処理段階、さらにはデータ解析段階に至るまで、さまざまな段階で発生する可能性があります(図1)。サンプル数や処理ステップが増えるほど、サンプルの交換や交差汚染の可能性が高まります。これにより、誤ったサンプルと患者関係を持つデータ解析が起こり、後続の分析や結論に影響を及ぼすため、臨床ゲノミクス研究において重要な側面として考慮されます。臨床試験では、サンプルの誤った同定が全体の結果に大きな影響を与えることがあり、特にサンプルサイズが小さい研究では顕著です。個人間の汚染は、同一患者の複数のサンプルを比較した際の差異識別の検出力の低下や偽陽性の結果を招くことがあります。サンプル交換は遺伝的関連の検出力に影響を与え、ゲノムワイド関連解析における複雑な形質の遺伝性を過小評価する原因となる可能性があります。

がん研究は大規模なゲノム解析およびトランスクリプトミクス解析が行われる分野の一つであり、特にゲノムおよび表現型の患者間および患者内異質性のモニタリングが行われます。がん研究の一つの側面は、同一患者のサンプルが異なる変異やコピー数の変化を持ち、独立した変異アレル頻度を示すことがある点です。特に複数のオミクスタイプからのデータを解釈する際には、同じ個人からのマルチモーダルデータセットの正しい統合が重要であり、したがって個人間汚染の監視が必要です5,6,7,8。がんゲノムアトラスプログラム(TCGA)および肺ゲノム研究コンソーシアム(LGRC)のデータセットを用いた研究では、サンプル誤同定率が平均3%、特定の研究では最大で20%~~であることが確認されています。これらの例は、サンプルの交換や交差汚染の発生を監視することの重要性を示しています。各工程段階での定期的な監視と品質管理を超えて、シーケンス結果の比較分析は最終的な品質チェックとして機能します。これにより、データ分析や解釈に移行する前に正確なサンプル照合が可能になります。

サンプルが同一個体から来ているかどうかを特定するために、いくつかのバイオインフォマティクス手法が確立されています。1,4,13,14,15,16。初期のアプローチでは、サンプルの同一性を検証するためにショートタンデムリピートを活用しました。次世代のRNAおよびDNAレベルのシーケンスデータにより、単一塩基多型に基づくサンプルペア間の比較が可能になりました18。これらは、RNAシーケンシング19や全エクソームシーケンスデータ5など、異なるシーケンシングモダリティやデータセットへの適用性、実装方法(例:シーケンシングレーン20のチェック)、使いやすさなどで異なります。同一個体からのサンプルは20〜45個の単一塩基多型に基づいて同定可能ですが、がん研究で一般的に用いられる低〜中程度のカバレッジシーケンシング手法では、多数のSNPの統合が必要です。

ここでは、マッチングサンプルの品質管理に用いられるSNPs 15の連鎖不平衡ブロックを用いたそのようなアプローチの実装と調整について説明します。このアプローチは偽フラグ率と誤マッチ率が低いことが示されており、ワークフローにより全エクソームシーケンスとRNAシーケンスサンプルの比較や異なるデータフォーマットでの利用など、モダリティ間の比較が可能です。臨床試験サンプルのデータセット全体にわたる大規模適用のため、バイオインフォマティックパイプラインは共通ワークフロー言語(CWL)21,22で実装されました。読みやすさとYAMLに似た構文により、プログラミング経験が乏しい科学者でもワークフローや解析結果の一般的な構造を簡単に解釈できます。CWLのもう一つの重要な特徴は散乱/採集機能であり、これにより割り当てられた計算資源を最大限に活用できるプロセスの並列化が可能となります。ユーザーは特定のステップを実行する条件を指定できるため、結果としての分析の柔軟性が向上します。CWLは、データベースストレージ、グラフィカルユーザーインターフェース、ジョブディスパッチャなど、完全なワークフロー管理システムの他のコンポーネントと統合でき、再現可能な科学的分析セットの作成、実行、維持のための強力なプラットフォームを形成します。したがって、この実装により、定義されたワークフロー管理システムの文脈でデータセットの高スループット処理が容易にアクセスできるようになります。

さらに、マッチしたサンプルと非マッチサンプル間の選択パラメータの閾値調整の影響を調査し、ミスマッチケースの許容的かつ厳格な選択の閾値を決定しました。これらのパラメータを修正することがサンプルペア選択に与える影響と、異なるオミクスモダリティ内での適用性が示されました。これらのパラメータを効果的に微調整することで、ユーザーは解釈の厳密さを調整できるようになります。このワークフローは数千サンプルの大規模な臨床データセットに適用されました。

プロトコル

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

倫理声明:本回の個人間汚染分析は、Rocheの責任あるデータ再利用プロセスおよび各研究のマスターインフォームドコンセントフォームに準拠し、完了した第I相および第II相臨床試験の個別患者レベルのデータを用いて後ろ向きに実施されました。各研究は実施前に倫理委員会/機関審査委員会の承認を取得しました。参加者はこれらの研究への参加に同意し、署名しました。

バイオインフォマティクスのワークフロー
注:バイオインフォマティクスのワークフロー実装は、次世代シーケンシングデータ(例:全ゲノム、全エクソーム、または全トランスクリプトームシーケンシング)から派生されたfastqファイルから始まります。ここで説明する個別のステップはCWLのワークフローに統合されています。

1. 必要な参照資料

  1. バイオインフォマティクスのワークフローについては、以下の情報を提供します。
    1. ヒト参照ゲノム(GRCh38)は に掲載されています。ファスタ 形式。
    2. 対応するインデックスファイルは .fasta.faiです。
    3. 対応する辞書は .dict 形式です。
    4. SNPおよび連鎖不平衡ブロック(例:Picard build_fingerprint_maps、SCR_006525)のゲノム領域に一致するハプロタイプマップ。
  2. ハプロタイプマップのヘッダーが参照ゲノムと一致していることを確認しましょう。

2. 参照ゲノムへのアライメント、ソート、インデックス付け

  1. CWLワークフローを実行し、以下のステップの出力を提供します(材料 表のツール一覧)(図2)。
  2. ペアになったfastqファイルやアラインドされたbamファイルのディレクトリを提供することで、CWLのワークフローを開始します。
  3. パターン、例えばR1/R2をCWLコマンドの入力正則表現パターンとして提供します。
  4. さらに、ワークフローを実行する場所、ゲノム参照、ハプロタイプマッピングファイルも提供してください。
    注:オールツーオール比較には、入力ディレクトリ全体が使用されます。比較するファイルの一部を比較する場合は、ファイル名を含むカンマ区切りのファイルを用意してください。高度なオプションでは、ランダムアクセスメモリの選択とプロセスを実行する中央処理ユニットの数を選択できます。
  5. fastqファイルをヒト参照ゲノムにマッピングアルゴリズムでマッピングします。
    注:シーケンス方式によっては、DNAシーケンス結果23にはBWA-MEMが、RNAシーケンス結果24にはスプライス認識マッパーSTARが使用されます。STARアライメントの模範的なコードは以下に示されています。
    スター \
    --readFilesCommand zcat \
    --runThreadN 8 \
    --アウトSAMmapqユニーク60 \
    --アウトSAM属性 全 \
    --outReadsUnmapped Fastx \
    --アウトTmpDir /tmp/STARtmp/ \
    --runDirPerm All_RWX \
    --出SAMタイプBAM未分類\
    --outFileNamePrefix /FILENAME_ \
    --アウトSAMattrRGline ID:FILEID。L001 SM:サンプル\
    --genomeDir /REF/GENOME/DIR \
    --readFilesIn /path/to/FILENAME。R1.fastq.gz /path/to/FILENAME。R2.fastq.gz
  6. 得られたアラインメントされた二進アラインメント行列(BAM)ファイルを、SAMtools sort(samtools sort -o FILENAME_OUT.bam FILENAME_IN.bam)を使って読み取り座標でソートします。
  7. SAMtoolsインデックス(samtools index FILENAME_OUT.bam)を使ってソート済みBAMファイルをインデックス化します。
  8. Picard MarkDuplicatesを使って重複をマークし削除してください。
  9. SAMtoolsを使ってBAMファイルの再インデックスや読み取りグループ(RG)の組み込みを行います。
    注意:ワークフローが機能するためにはBAMファイルにRGタグが必要です。

3. 指紋の採取

  1. Picard ExtractFingerprintsを使って、ソートされインデックス化されたBAMファイルを使ってSNPフィンガープリントを識別できます。
  2. サンプル間の比較目的でのみ、得られるバリアントコールフォーマット(VCF)ファイルの中間保存を用いてください。

4. 類似度スコアの計算

  1. Picard CrossCheckFingerprintsを使って、リンクの不均衡ブロックに基づくログオッズ比スコア(LOD)を計算し、これらはcrosscheck_metricsファイル形式でcrosscheck_metrics.txt提供されます。
    注:ワークフロー実装により、サンプルの組み合わせのすべての可能な組み合わせのクロス比較や、事前定義されたリストからサンプル間の選択された比較が可能です。
  2. 中間のVCFファイルを削除してください。
  3. crosscheck_metricsファイルには、テストされたサンプルのペアごとに4つの比較が提供されています。LODスコアの解釈は以下の通りです:
    LODスコア>0:サンプルは同一個人から提供される可能性が高い(サンプルマッチ)
    LODスコア≤0:サンプルは異なる個人から提供されている可能性が高い
  4. サンプルマッチのカットオフ値を検証するには、例えばRやPython(図3)でヒストグラムとしてLODスコア分布を可視化します。
  5. 経験豊富なバイオインフォマティクスの専門知識を含む協力チームが、サンプルの同一性を明確に特定し、使用される閾値の調整に十分な証拠があるかどうかを判断することが提案されます。例えば、異なる個人に由来することが知られているサンプルのLODスコア分布との比較などです。
    注意:サンプルの混同は複数の予期せぬ一致(同一ドナーのサンプルではLODスコア<0)やミスマッチ(異なるドナーのサンプルではLODスコア>0)を引き起こすことがあります。複雑な解釈には、部門横断チームとバイオインフォマティクスの専門家間の密接なやり取りが必要です。

5. コードの入手可能性

計算ワークフローはGithubで公開されます:https://github.com/Roche/sample-matching-workflow。

結果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

CWLワークフローの実装
サンプルスワップの同定に単一塩基多型の連鎖不平衡ブロックを用いた既存の手法に基づくサンプルマッチの同定ワークフローが実装されました。著者らはこの手法で分類率が0%のFMR、0.01%のFFRを示しました。他のアプローチとの比較では、NGSCheckmateと同等の性能を示し、低カバレッジおよび最小限の地域ゲノム重複でNGSCheckmateより性能が向上しました。ConpairおよびBAMixChecker13、15、25と比較しても決定的な結果が得られませんでした。ここではワークフローがCWLで実装され、LOD閾値を調査・最適化し、RNAシーケンシングペアや組織から抽出されたサンプル内、または組織と末梢血液サンプル間のモダリティ間比較に適用されました(図3、表1)。ワークフローの実装により、サンプルの組み合わせのすべての可能な組み合わせのクロス比較や、あらかじめ定義されたリストからサンプル間の選択された比較が可能になりました。

ワークフロー入力は選択されたハプロタイプセットを使用します。これらは連結不平衡ブロックにおける単一塩基多型の計算に用いられます。これらのSNPブロックの対数オッズ比(LOD)スコアをサンプルのペア間で計算することで、マッチしたサンプルとミスマッチしたサンプルを区別できます。これまで、LOD<-5およびLOD >5の範囲のLODスコアは、一致したサンプル15のペアを正しく分類することが示されています。追加のLODスコア(LOD_SCORE_TUMOR_NORMAL、LOD_SCORE_NORMAL_TUMOR)は、いずれかのサンプルにおけるヘテロ接合性の損失(一方のサンプルのヘテロ接合領域がもう一方のサンプルでホモ接合として検出される)を考慮して計算されます。

入力パラメータと閾値がマッチ/ミスマッチ率に与える影響
このワークフローの評価では、そのパフォーマンスと精度に影響を与える3つの重要な側面が浮き彫りになりました。まず、ハプロタイプマップでカバーされるゲノム領域の選択が重要なステップであることが証明されました。これらの領域の選択は、マッチングプロセスの識別力に直接影響します。次に、リードアライメント戦略と指紋抽出に用いられた特定のハプロタイプマップの組み合わせが最終解析結果に大きな影響を与えました。これらの上流処理ステップの変動は、マッチングスコアに伝播する微妙なバイアスを生じさせることがあります(図4A–B)。第三に、サンプルマッチを決定するための慎重な評価と閾値の選択が不可欠でした。最適な閾値値は、特定のデータモダリティ(例:全エクソームシーケンスと全トランスクリプトームシーケンス)や評価対象のゲノム領域によって大きく異なります。異なる閾値によってアプローチの厳密さ(高い偽陽性率と高い偽陰性率)が調整されます(図4C)。 大規模な臨床サンプルコホートに対応するため、使用されたLODスコアと比較対象の組み合わせに基づいて、許容的および厳格なサンプルマッチングスコアの組み合わせを定義するよう手法が適応されました。最初の閾値アプローチ(I)は、3つのLODスコア(LOD_SCORE、LOD_SCORE_TUMOR_NORMAL、LOD_SCORE_NORMAL_TUMOR)にわたる任意の正の値を考慮することで達成されました。TUMOR_NORMALおよびNORMAL_TUMORスコアの情報を含めることで、がんサンプルのコピー数変化によるヘテロ接合性の喪失の影響を軽減できます。逆に、偽陽性を減らすために2つの代替フィルタリング基準を適用することで、より厳格な不一致閾値(II)が実装されました。すなわち、(a) LOD_SCOREが陽性の場合のみマッチとして分類、b) あるサンプルに対して、LOD_SCOREがそのサンプルの他のペアワイズLOD_SCOREsの最大スコア(記録された出生先に基づく)よりも高い場合の適合者として分類すること。 たとえそのLOD_SCORE自体がマイナスであっても。

この応用では、許容閾値を生成するために、上記の基準のいずれか(I、IIa、IIb)でマッチングと指定されたサンプルペアをマッチとみなしました。これにより、すべての特定されたミスマッチに対して高い信頼度が得られましたが、その代償として、いくつかの潜在的な真のミスマッチがマッチ(すなわち偽陰性)として指定されることが少なくなりました。許容閾値とより厳格な閾値を比較すると、ミスマッチと分類されるペアの割合に変化が見られました。すべての分析研究におけるアプローチの差は、3.9%(3つのLODスコアのいずれかが陽性(I))、13.3%(LOD_SCOREが陽性である必要(IIa))、9.2%(LOD_SCORE一致しないペアと比較して)、3.6%(上記のいずれかを考慮して一致を判断)に及びました(図4C)。

ゲノム領域カバレッジの影響
マッチしたサンプルとミスマッチしたサンプルの負と正のLODスコアの差は、全ゲノムシーケンス(WGS)やWGSサンプルと他のモダリティの比較など、幅広いゲノム領域をカバーする場合に最も大きくなり、閾値選択が容易になります(図5A)。全エクソームシーケンシングおよびRNAシーケンシング比較では、閾値測定アプローチの影響でLODスコアはゼロに近く、ゲノムカバレッジが少ないモダリティの閾値の厳格性を評価する重要性が浮き彫りになります。正のLODスコアを持つ既知のペアサンプルの結果分布は 図5Bに示されています。Javedら(2020)は、連結不平衡ブロック15を用いる場合、0.02%のゲノム重複が一致サンプルと非マッチサンプルの区別に十分であることを示しました。

検証
このアプローチは、同じ個人からの既知のサンプルセットが期待される追加の乳がん、大腸がん、肺がん全エクソームシーケンス(WES)およびRNAシーケンスデータセットで検証されました(図6A)。同一個体からのサンプルペアは100%の適合率を示しました(図6B)、異なる個体に由来することが知られている他のサンプルとの追加の比較では100%の不一致率が示されました。これらのデータセットでは偽陽性も偽陰性も観察されませんでした。

まとめると、品質管理ワークフローの導入により、次世代シーケンシングサンプルのペアの個別比較が標準化され再現性のあるアプローチが可能になります。その結果、LODスコアの閾値は、ゲノム領域重なりが大きいサンプルに対して偽陽性および偽陰性率を低くし、シーケンス深度が低いサンプルやゲノム重なりが少ないサンプルには追加の閾値最適化を適用することができます。

figure-results-1
図1:サンプル交換および誤ラベル表示の発生の概略図。(A) 2人の個体間でそれぞれ1サンプルずつのサンプル交換。(B) 生検抽出からシーケンスデータの解析までのサンプル処理ステップの表現。BioRenderで作成。ヴォイト・フォン・ヴォイテンベルク、L.(2026年)https://BioRender.com/xhbp178。この図の拡大版はこちらをクリックしてご覧ください。

figure-results-2
図2: CWLにおけるサンプルマッチング品質管理ワークフローを実行するために必要な入力ファイルのユーザーインターフェースおよび パラメータの表現。ファイルおよびパラメータ入力のためのグラフィカルユーザーインターフェース。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-3
図3:サンプルマッチングワークフローから得られた結果。 DNAシーケンシング(全ゲノムおよび全エクソームシーケンス)サンプルの模範的なセットのLODスコア分布(左)、DNAシーケンシングとRNAシーケンシングの比較(中央)で、マッチしたサンプルの分布に比べて非常に少ないミスマッチサンプルの挙動を示すために、そして異なる個人に由来することが知られているデータを持つRNAシーケンシングペアの模範的な大規模なコホート(右)について(ミスマッチ、 同じ個体から(マッチは薄い緑)です。略語;LOD = 対数オッズ比。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-4
図4:LODスコアの例的な差異が観察されました。 (A) 既知のミスマッチおよびマッチしたサンプルのセットに対して、異なる配列アラインメントアプローチとハプロタイプマップを組み合わせた際、および (B) 腫瘍情報と正常情報の統合によるスコアリング。(C) 異なる厳密度の閾値付けアプローチによって定義されるサンプルマッチ数とミスマッチの数の発生。略語;LOD = 対数オッズ比。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-5
図5:異なる次世代シーケンシング手法の比較におけるLODスコアの例示分布。 (A) 血液および腫瘍組織からのDNAシーケンシングと腫瘍組織からのRNAシーケンスにおける期待ミスマッチおよびマッチ済みサンプルのLODスコア分布。(B) 異なるモダリティの組み合わせにおけるマッチングサンプルのLODスコア分布。略語;LOD = 対数オッズ比。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-6
図6:乳がんWESおよびRNAシーケンスデータセットの解析におけるLODスコアの分布。 識別外乳がんデータセットはCaris Life Sciencesから取得され、包括的な腫瘍プロファイリングに基づいています。(A) 腫瘍WESサンプル(左)とRNAシーケンシングサンプル間(右)間の比較におけるLODスコアの対数出現。(B)同一個人からの予想されるサンプルペアのLODスコア分布(WES上段、RNAシーケンス下段)。略語;LOD = 対数オッズ比。 この図の拡大版はこちらをクリックしてご覧ください。

LEFT_GROUP_VALUERIGHT_GROUP_VALUE結果LOD_SCORELOD_SCORE_
TUMOR_NORMAL		LOD_SCORE_
NORMAL_TUMOR
サンプル1サンプル1EXPECTED_MATCH38.11926629.64948529.649485
サンプル1サンプル2EXPECTED_MISMATCH-2.552644-4.574225.283698
サンプル2サンプル1EXPECTED_MISMATCH-2.5526445.283698-4.57422
サンプル2サンプル2EXPECTED_MATCH12.3287378.7964578.796457

表1:クロスチェック指紋検査から得られた模範的な結果。 表はサンプルマッチングアプローチによるサンプル2の模範的な結果を示しています。

ディスカッション

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

サンプルマッチを特定するためのさまざまな方法があります。1、4、13、14、15、16。ここでは、複数のオミクスモダリティに適用可能なSNP連結不平衡ブロックを用いたアプローチの実装を、偽陽性および偽陰性率が低いことを記述しました。実装はCWLで行われ、標準化されたワークフロー環境内でデータセット間の高スループット処理を促進しました。ワークフロー評価では、このアプローチを適用する際に考慮すべき3つの重要な側面が特定されました。プロセスの重要なステップは、ハプロタイプマップでカバーされるゲノム領域の選択です。さらに、リードアライメントと異なるハプロタイプマップを用いた指紋抽出を組み合わせることで、解析結果にも影響を与えます。さらに、データのモダリティやカバー領域によって異なる可能性のある閾値の慎重な評価と選択が不可欠であり、より許容的なサンプルマッチングコールの結果にもつながります。

大規模な臨床サンプルの評価のために、この方法は許容値と厳格なサンプルマッチングスコアの閾値の組み合わせを定義するために適応されました。この手法は、LODスコアのいずれか(LOD_SCORE、LOD_SCORE_TUMOR_NORMAL、LOD_SCORE_NORMAL_TUMOR)または2つの代替フィルタリング基準のいずれかを含むスコアを組み合わせることで許容的な閾値アプローチを導入するよう調整され、より厳格なサンプル選択が実現しました。この手法の適用範囲は、次世代シーケンシングデータなど、さまざまなゲノム領域にわたるSNP情報が利用可能なサンプルに限定されます。さらに、比較分析やサンプルマッチングには同一個体からの少なくともペアのサンプルが必要です。標的手法で得られる変異状態や性別などの患者メタデータなどの追加の臨床情報は、高次元分子データと患者レベルの臨床データとのマッチングに関するさらなる証拠を提供するために用いられます。

この手法をワークフロー管理環境に実装し、並列データ保存の可能性を伴い、個体間汚染のサンプルの高品質管理分析を高スループットで行うことが可能になります。したがって、データセットやサンプル間のアプローチのアクセス性と再現性が向上します。このアプローチにおける閾値基準の適応性により、腫瘍変異負荷が低い・高いがんサンプルの処理と解析が可能であり、これらはヘテロ接合性の喪失や遺伝子型可能性に影響を与える可能性があります。

この手法は、次世代の個人シーケンシングデータを含み、1人あたり複数のサンプルが利用可能なあらゆる種類のプロジェクトに広く適用可能です。これは、個々の患者に合わせた個別化アプローチから、異なる疾患分野の高次元分子データを収集する大規模な臨床試験まで様々です。品質管理ワークフロー、種間汚染の調査、高次元分子データセットと臨床情報を連携させて次世代シーケンシングデータの品質管理パイプラインに統合するアプローチと組み合わせることができます。

開示事項

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

すべての著者はF. Hoffmann-La Roche Ltd.の従業員または外部請負業者および株主です。さらに、ザカリー・ウィットフィールドはRancho Biosciencesの従業員であり、アナ・テイシェイラはA4Pbioの従業員です。著者たちは競合する利害関係を一切認めていない。

謝辞

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

患者様とそのご家族の皆様、サンプルを提供していただき心より感謝申し上げます。臨床研究に関わったすべての方、特に研究チーム、研究者チーム、臨床研究組織のプロジェクトチームの皆様に、かけがえのないご貢献に心より感謝申し上げます。著者たちは、N. NairとE. Guarinに、原稿の批判的な読解と貴重なコメントに感謝しています。また、追加のデータセットを利用可能にしてくれたA. Cosoloにも感謝申し上げます。ロッシュ全体の強化データ・インサイト共有(EDIS)ネットワークのデータキュレーションと調和の取り組みに感謝します。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
FastQCv0.11.9SCR_014583
マルチQCv1.8SCR_014982
BWA-MEMv0.7.17SCR_010910
スターv2.7.9aSCR_004463
SAMtoolsV1.12、v1.19.2SCR_005227
- フェイドックス
- ソート
- インデックス
- アドレプレイスージ
ピカードV2.25.5, v3.0.0SCR_006525
- CreateSequenceDictionary
- マーク重複
- build_fingerprint_maps
- ExtractFingerprints
- クロスチェック指紋
CWLv1.2SCR_015528
RR v4.3.1SCR_001905
DPLYR v1.1.4

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Westphal, M., et al. SMaSH: sample matching using SNPs in humans. BMC Genomics. 20 (12), 1001(2019).
  2. Westra, H. J., et al. MixupMapper: correcting sample mix-ups in genome-wide datasets increases power to detect small genetic effects. Bioinformatics. 27 (15), 2104-2111 (2011).
  3. Addala, V., et al. Computational immunogenomic approaches to predict response to cancer immunotherapies. Nat. Rev. Clin. Oncol. 21 (1), 28-46 (2024).
  4. Schröder, J., Corbin, V., Papenfuss, A. T. HYSYS: have you swapped your samples. Bioinformatics. 33 (4), 596-598 (2017).
  5. Pengelly, R. J., et al. A SNP profiling panel for sample tracking in whole-exome sequencing studies. Genome Med. 5 (9), 89(2013).
  6. Subramanian, I., et al. Multi-omics data integration, interpretation, and its application. Bioinform Biol Insights. 14, 117793221989905(2020).
  7. Baião, A. R., et al. A technical review of multi-omics data integration methods: from classical statistical to deep generative approaches. Brief Bioinform. 26 (4), bbaf355(2025).
  8. Wang, Z., Zhao, Y., Zhang, L. Emerging trends and hot topics in the application of multi-omics in drug discovery: A bibliometric and visualized study. Curr Pharm Anal. 21 (1), 20-32 (2024).
  9. Morris, S., et al. Two algorithms for biospecimen comparison and differentiation using SNP genotypes. Pharmacogenomics. 14 (4), 379-390 (2013).
  10. Yoo, S., et al. MODMatcher: multi-omics data matcher for integrative genomic analysis. PLoS Comput Biol. 10 (8), e1003790(2014).
  11. Li, L., et al. SMAP is a pipeline for sample matching in proteogenomics. Nat Commun. 13 (1), 744(2022).
  12. Cibulskis, K., et al. ContEst: estimating cross-contamination of human samples in next-generation sequencing data. Bioinformatics. 27 (18), 2601-2602 (2011).
  13. Chun, H., Kim, S. BAMixChecker: an automated checkup tool for matched sample pairs in NGS cohort. Bioinformatics. 35 (22), 4806-4808 (2019).
  14. Lee, S., et al. NGSCheckMate: software for validating sample identity in next-generation sequencing studies within and across data types. Nucleic Acids Res. 45 (11), e103-e103 (2017).
  15. Javed, N., et al. Detecting sample swaps in diverse NGS data types using linkage disequilibrium. Nature Commun. 11 (1), 3697(2020).
  16. Wang, P. P. S., Parker, W. T., Branford, S., Schreiber, A. W. BAM-matcher: a tool for rapid NGS sample matching. Bioinformatics. 32 (17), 2699-2701 (2016).
  17. Katsanis, S. H., Wagner, J. K. Characterization of the standard and recommended codis markers. J Forensic Sci. 58, s1(2013).
  18. Yousefi, S., et al. BIOS consortium. A SNP panel for identification of DNA and RNA specimens. BMC Genomics. 19 (1), 90(2018).
  19. Huang, J., Chen, J., Lathrop, M., Liang, L. A tool for RNA sequencing sample identity check. Bioinformatics. 29 (11), 1463-1464 (2013).
  20. Goldfeder, R. L., et al. A bioinformatics approach for determining sample identity from different lanes of high-throughput sequencing data. PLoS ONE. 6 (8), e23683(2011).
  21. Crusoe, M. R., et al. Methods included: standardizing computational reuse and portability with the common workflow language. Commun ACM. 65 (6), 54-63 (2022).
  22. Ahmed, A. E., et al. Design considerations for workflow management systems use in production genomics research and the clinic. Scientific Rep. 11 (1), (2021).
  23. Li, H., Durbin, R. Fast and accurate short read alignment with Burrows-Wheeler transform. Bioinformatics. 25 (14), 1754-1760 (2009).
  24. Dobin, A., et al. STAR: ultrafast universal RNA-seq aligner. Bioinformatics. 29 (1), 15-21 (2013).
  25. Bergmann, E. A., et al. Conpair: concordance and contamination estimator for matched tumor–normal pairs. Bioinformatics. 32 (20), 3196-3198 (2016).

再版と許可

このJoVE記事のテキストまたは図の再利用許可をリクエスト

許可をリクエスト

タグ

関連記事