Name: Interpretacja wariantów klinicznych za pomocą programu Integrative Genomics Viewer (IGV) dla patologów molekularnych (Wideo) | JoVE Journal
Uploaded: 2026-08-14T14:13:00.000+00:00
Duration: 4 min 4 s
Description: Poznaj interpretację wariantów klinicznych za pomocą Integrative Genomics Viewer (IGV) dla patologów molekularnych. Naucz się wizualizacji danych NGS i analizy przypadków klinicznych.

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

Jesteśmy wdzięczni wszystkim twórcom oprogramowania IGV, a także NIH za grant finansujący obecnie rozwój IGV:&#160;U24CA258406. Na realizację niniejszego badania nie pozyskano funduszy.

<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>

Wszyscy autorzy oświadczają, że nie stwierdzono żadnych konfliktów interesów.

Dokładna weryfikacja wariantów na potrzeby raportowania klinicznego zależy od złożonych algorytmów bioinformatycznych oraz włączenia wizualnej oceny złożonych wariantów z wykorzystaniem IGV5,6. Niniejsze badanie zostało zaprojektowane w celu opracowania zwięzłego zbioru rekomendowanych ustawień do wizualizacji prostych i złożonych zmian genomowych w programie IGV (Plik uzupełniający 1). Badanie to koncentruje się na powszechnych zmianach somatycz...

Opieka onkologiczna została w ostatnich latach przekształcona dzięki zastosowaniu technologii sekwencjonowania następnej generacji (NGS) w celu doprecyzowania diagnozy, rokowania oraz wyboru terapii1. Badania NGS stały się standardem opieki w wielu typach nowotworów w zakresie 1) ustalania diagnozy nowotworu zdefiniowanego molekularnie, 2) wykorzystania wyników biomarkerów niezależnych od typu nowotworu (tumor-agnostic) do podejmowania decyzji terapeutycznych oraz 3) określania stratyfikacji ryzyka dla konkretnych typów nowotworów2,3. Dokładne i terminowe wyniki badań NGS oraz innych testów biomarkerowych stały się krytycznym elementem opieki nad pacjentem i planowania leczenia w onkologii.
Badania NGS są zazwyczaj przeprowadzane w dużych laboratoriach referencyjnych lub w laboratoriach szpitalnych i akademickich, gdy instytucje te dysponują wystarczającą wiedzą i zasobami do opracowania i prowadzenia takich testów. Organizacja Genomics Organization for Academic Laboratories (GOAL) została powołana jako sieć współpracy skoncentrowana na dzieleniu się wiedzą akademicką i kosztami odczynników4. Istotnym elementem działań konsorcjum GOAL były sesje szkoleniowe dotyczące kluczowych aspektów analizy i raportowania badań klinicznych. Zostały one opracowane jako praktyczne sesje instruktażowe i obejmują interaktywny warsztat z zakresu korzystania z programu integrative genomics viewer (IGV), mający na celu zaprezentowanie jego podstawowych i zaawansowanych funkcji w medycynie genomowej.
IGV to narzędzie do wizualizacji danych zaprojektowane w celu umożliwienia użytkownikom łatwego przeglądu danych NGS oraz innych dużych zbiorów danych, biorąc pod uwagę, że większość danych NGS jest ogromna i trudna do opanowania bez graficznego interfejsu użytkownika5. IGV nie został pierwotnie zaprojektowany do klinicznej analizy wariantów. Jednak ze względu na łatwość obsługi dla wszystkich specjalistów z zakresu biologii molekularnej, niezależnie od ich doświadczenia w bioinformatyce, został on szeroko przyjęty przez wiele laboratoriów jako element złożonego procesu przeglądu danych6. Niniejsze opracowanie zostało przygotowane jako mechanizm rozpowszechniania tych informacji w szerszym środowisku specjalistów laboratoriów genomicznych.
Kliniczna potrzeba stosowania IGV jako elementu przepływu pracy klinicznej obejmuje wykrywanie błędów sekwencjonowania, radzenie sobie ze złożonością procesu identyfikacji wariantów genomowych (variant calling) oraz innymi nawracającymi zmianami, w których dodatkowa wizualizacja może pomóc w odpowiedniej interpretacji danych7. Użycie IGV wymaga standardowych plików bioinformatycznych pochodzących z badania NGS8. Podstawowe funkcje oprogramowania IGV umożliwiają wizualizację danych sekwencjonowania i wymagają skonfigurowania zestawu preferencji oraz opcji dla klinicznej interpretacji wariantów (Supplementary File 1).
Przebieg sekwencjonowania krótkich odczytów charakteryzuje się stosowaniem standardów plików FASTQ, binary alignment map (BAM) oraz variant call format (VCF). NGS osiąga wysoką przepustowość dzięki równoległemu generowaniu milionów krótkich odczytów. Choć strategia ta znacznie przyspiesza produkcję danych, każdy odczyt stanowi jedynie fragment oryginalnego DNA lub RNA. Jest on przytwierdzony do określonej pozycji na płytce przepływowej NGS za pomocą sekwencji adaptera. Informacje o sekwencji i jakości zasad pochodzące z przetwarzania optycznego są zapisywane w plikach FASTQ. Te surowe odczyty to sekwencje nukleotydowe wraz z przypisanymi do każdej zasady ocenami jakości. Dlatego wczesnym etapem przetwarzania surowych odczytów jest dopasowanie każdego odczytu do genomu referencyjnego8. Ponieważ każdemu odczytowi przypisywana jest konkretna lokalizacja w genomie referencyjnym o najwyższym prawdopodobieństwie dopasowania, odczyty odpowiadające tej samej lokalizacji &#34;gromadzą się&#34; w każdym locus, a takie dane są przechowywane w pliku BAM zgodnie ze specyfikacjami sequence alignment mapping (SAM) (dostępnymi pod adresem https://samtools.github.io/hts-specs/SAMv1.pdf; ostatnia weryfikacja: 30.09.2025) (Rysunek 1A). Informacje te można analizować wizualnie za pomocą przeglądarki genomu, takiej jak IGV. Jak pokazano na Rysunku 1B, porównywanie odczytów między sobą lub z samą sekwencją referencyjną może wskazywać na różnice lub rozbieżności pomiędzy sekwencjami nukleotydowymi. Podsumowania tylko tych pozycji &#34;wariantowych&#34; w całym genomie są kompilowane w pliku VCF, który może być zatem znacznie mniejszy niż plik BAM, a wciąż zawierać większość przydatnych informacji niezbędnych do analizy wariantów. Z tego powodu plik VCF jest zazwyczaj końcowym wynikiem potoków analizy wariantów (variant-calling pipelines) (Rysunek 1C). Zatem podczas gdy pliki FASTQ zawierają surowe dane o odczytach i ich jakości, plik BAM daje wgląd w to, z jaką pewnością odczyty te mapują się do genomu, a plik VCF reprezentuje różnice między sekwencją referencyjną a sekwencją próbki, dostarczając znacznie łatwiejszą do analizy ilość danych pod kątem potencjalnego raportowania.
Sześć opisów przypadków klinicznych w niniejszym badaniu ilustruje typowe scenariusze analityczne związane z wykrywaniem wariantów somatycznych w laboratoriach molekularnych, a także problemy utrudniające prawidłowe zrozumienie i interpretację podstawowych danych. Ogólnie rzecz biorąc, opisy te wybrano w celu przedstawienia coraz bardziej złożonych scenariuszy interpretacyjnych oraz wykazania, w jaki sposób wykorzystanie zaawansowanych funkcji programu IGV pozwala na lepszy opis kompleksowych cech genomowych. Choć badanie to koncentruje się na interpretacji wariantów somatycznych, funkcje te można zastosować podczas korzystania z IGV w wizualizacji i interpretacji zmian linii zarodkowej6. Należy zauważyć, że terminy użyte w tym artykule opierają się na chemii sekwencjonowania przez syntezę oraz, w stosownych przypadkach, na innych analogicznych terminach/pojęciach dla innych platform.
Każdy opis przypadku klinicznego rozpoczyna się od bardzo zwięzłego kontekstu klinicznego, po którym następują instrukcje dotyczące sposobu badania wariantu lub wariantów oraz rozstrzygnięcia kwestii: który z obecnych wariantów (jeśli taki występuje) jest rzeczywisty, a który (jeśli taki występuje) jest artefaktem. Kontekst kliniczny wraz ze szczegółami danych z sekwencjonowania jest istotny dla udzielenia odpowiedzi na to pytanie.

<table><tbody><tr><td>BLAT</td><td>BLAT Search Genome</td><td>https://genome.ucsc.edu/cgi-bin/hgBlat</td><td>Samodzielna strona internetowa BLAT. API BLAT jest dostępne w programie IGV, nie jest wymagana dodatkowa instalacja</td></tr><tr><td>CNVKit</td><td>GitHub</td><td>https://github.com/etal/cnvkit</td><td>Publiczne repozytorium GitHub z bezpłatnym programem CNVKit do pobrania. Instrukcje pobierania i uruchamiania CNVKit są dostępne również tutaj.</td></tr><tr><td>Plik segmentowy porównawczy nr 1 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c1.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy nr 2 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c2.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy nr 3 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c4.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy nr 4 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c5.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy nr 5 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c6.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy nr 6 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c7.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy nr 7 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c8.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy nr 8 dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c9.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Plik segmentowy porównawczy dla winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c3.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Sekwencja genomu ludzkiego</td><td>Sekwencja genomu ludzkiego</td><td>https://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/latest/hg38.fa.gz</td><td>Plik fasta do pobrania, zawierający wersję genomu ludzkiego Hg38.&amp;nbsp; Jest on dostępny w programie IGV, nie jest wymagane dodatkowe pobieranie</td></tr><tr><td>Sekwencja genomu ludzkiego</td><td>Sekwencja genomu ludzkiego</td><td>https://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/latest/hg19.fa.gz</td><td>Plik fasta do pobrania, zawierający wersję genomu ludzkiego Hg19. Jest on dostępny w programie IGV, nie jest wymagane dodatkowe pobieranie</td></tr><tr><td>Pakiet oprogramowania IGV</td><td>Oprogramowanie IGV</td><td>https://data.broadinstitute.org/igv/projects/downloads/2.19/IGV_Win_2.19.7-WithJava-installer.exe</td><td>Oprogramowanie IGV wersja 2.19.7 z Java (JDK 21), bezpłatne do pobrania. Tutaj znajduje się link dla systemu Windows, jednak dostępne są również linki dla systemów Linux i Mac.</td></tr><tr><td>Plik segmentowy dla przypadku z winiety nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.seg</td><td>Pliki liczby kopii</td></tr><tr><td>Repozytorium GitHub z tutorialem</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/tree/main</td><td>Publiczne repozytorium GitHub ze wszystkimi plikami niezbędnymi do odtworzenia sześciu winiet</td></tr><tr><td>Winieta nr 1</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KRAS.xml</td><td>Pliki sesji</td></tr><tr><td>Winieta nr 1 Przypadek A indeks bai</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>Pliki dopasowań</td></tr><tr><td>Winieta nr 1 Przypadek A plik dopasowań bam</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>Pliki dopasowań</td></tr><tr><td>Winieta nr 1 Przypadek B indeks bai</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>Pliki dopasowań</td></tr><tr><td>Winieta nr 1 Przypadek B plik dopasowań bam</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>Pliki dopasowań</td></tr><tr><td>Winieta nr 2</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/BRAF.xml</td><td>Pliki sesji</td></tr><tr><td>Winieta nr 2&amp;nbsp; indeks bai</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>Pliki dopasowań</td></tr><tr><td>Winieta nr 2&amp;nbsp; plik dopasowań bam</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>Pliki dopasowań</td></tr><tr><td>Winieta nr 3</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KIT.xml</td><td>Pliki sesji</td></tr><tr><td>Winieta nr 3 plik indeksu bai</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KITdupmod2.bai</td><td>Pliki dopasowań</td></tr><tr><td>Winieta nr 3 plik dopasowań bam</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KITdupmod2.bam</td><td>Pliki dopasowań</td></tr><tr><td>Winieta nr 4</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFR.xml</td><td>Pliki sesji</td></tr><tr><td>Winieta nr 4 plik dopasowań</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFRE746_A750delmod.bam</td><td>Pliki dopasowań</td></tr><tr><td>Winieta nr 4 indeks bai</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFRE746_A750delmod.bai</td><td>Pliki dopasowań</td></tr><tr><td>Winieta nr 5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/copynumber.xml</td><td>Pliki sesji</td></tr><tr><td>Winieta nr 6</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/egfr_vIII.xml</td><td>Pliki sesji</td></tr><tr><td>Winieta nr 6 indeks bai</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.bai</td><td>Pliki dopasowań</td></tr><tr><td>Winieta nr 6 plik dopasowań bam</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.bam</td><td>Pliki dopasowań</td></tr></tbody></table>

interpretacja wariantów klinicznych za pomocą programu integrative genomics viewer (igv) dla patologów molekularnych

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

Integrative Genomics Viewer (IGV) to kluczowe narzędzie w genomice klinicznej, umożliwiające wizualizację i interpretację złożonych danych z sekwencjonowania. Połączenie wiedzy klinicznej z wizualną oceną wyników sekwencjonowania jest głównym sposobem, w jaki patolodzy molekularni i inni specjaliści oceniają i kończą analizę przypadków. Pomocne mogą być różnorodne narzędzia programistyczne, jednak ich relacja do danych podstawowych musi być rozumiana i stosowana systematycznie. Niniejsze opracowanie zawiera niezbędne informacje podstawowe na temat typów plików danych sekwencjonowania nowej generacji (NGS) (np. FASTQ, BAM, VCF) wraz z omówieniem ich formatu i przeznaczenia. Następnie opisujemy funkcje programu IGV, które pozwalają wydobyć niuanse z tych plików. Wykorzystujemy serię wyselekcjonowanych przypadków praktycznych opartych na scenariuszach klinicznych, dzięki którym czytelnik będzie mógł pracować z klinicznymi danymi sekwencjonowania NGS przy użyciu oprogramowania IGV w celu przeanalizowania różnych typów istotnych klinicznie wariantów w odniesieniu do ludzkiego genomu referencyjnego. Scenariusze kliniczne zostały opracowane tak, aby opisać przykłady pewnych trudności w interpretacji danych genomicznych oraz wykazać, w jaki sposób wykorzystanie IGV w ramach rutynowego schematu pracy może dostarczyć dodatkowych informacji interpretacyjnych dla wariantów, wykraczających poza standardowe wyniki wywołania wariantów przez algorytmy oprogramowania bioinformatycznego. Wizualna inspekcja wariantów genomicznych przy użyciu narzędzi w IGV może ujawnić subtelne wskazówki kontekstowe (np. częstość występowania wariantu allelicznego, błąd nici, kontekst specyficzny dla tkanki), które mogą wpłynąć na interpretację wariantów genomicznych. Chociaż niniejsze opracowanie koncentruje się na wykorzystaniu IGV do wykrywania i interpretacji wariantów somatycznych, przedstawione zastosowania można przenieść na grunt analizy linii zarodkowej, w tym do analizy wariantów złożonych i wykrywania mozaicyzmu.

Należy zauważyć, że niniejsze badanie koncentruje się na opisaniu niuansów weryfikacji wariantów w programie IGV na potrzeby raportowania klinicznego. Ostateczne raportowanie kliniczne powinno opierać się na zwalidowanym procesie, kryteriach jakości oraz polityce raportowania każdego poszczególnego laboratorium. Pełna dyskusja na ten ważny temat wykracza poza zakres niniejszego badania; jednakże zalecane standardy i wytyczne zostały opracowane przez American College of Medical Genetics and Genomics oraz Association for M...

Oprogramowanie Integrative Genomics Viewer (IGV) oferuje rozbudowany, intuicyjny wgląd w dane podstawowe służące do wykrywania wariantów klinicznych. Przedstawiamy tutaj pięć przykładów, które demonstrują, jak szybko odróżnić rzeczywiste zdarzenia patogenne od artefaktów, co w efekcie zwiększa pewność diagnostyczną specjalistów zajmujących się weryfikacją wyników badań sekwencjonowania nowej generacji.

Interpretacja wariantów klinicznych za pomocą programu Integrative Genomics Viewer (IGV) dla patologów molekularnych

Integrative Genomics Viewer (IGV) jest kluczowym narzędziem w genomice klinicznej, umożliwiającym wizualizację i interpretację złożonych danych z sekwencjonowania. ...

Naszym celem jest przekazanie podstawowych umiejętności korzystania z IGV w celu prawidłowego wykrywania i raportowania mutacji somatycznych u pacjentów onkologicznych. Wytyczne dotyczące stosowania IGV w laboratoriach klinicznych są ograniczone. Niniejszy protokół wypełnia tę lukę, dostarczając opracowanych przypadków klinicznych.Na początek należy pobrać i zainstalować najnowszą wersję oprogramowania integrative genomics viewer dla systemu Windows wraz z dołączonym środowiskiem Java. Następnie należy pobrać pliki z opisami przypadków klinicznych z repozytorium GitHub. W górnym menu programu IGV należy upewnić się, że opcja Show coverage track jest włączona. Aby wykryć klinicznie istotne warianty o niskiej częstotliwości, należy ustawić Coverage allele fraction threshold na 0.01. Na koniec należy włączyć opcję Show soft clipped bases w górnym menu, aby wyświetlić częściowo wyrównane odczyty z przyciętymi końcami. Przed rozpoczęciem pracy należy zapoznać się ze szczegółami opisu przypadku, takimi jak wiek pacjenta, schorzenie oraz wyniki NGS. W rozwijanym menu wyboru genomu w lewym górnym rogu należy ustawić genom referencyjny na hg38, a następnie przeciągnąć i upuścić pliki segmen

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

Research

JoVE Journal

Cancer Research

Badania nad rakiem

Identyfikacja nowych celów leków, które przechodzą od testów przedklinicznych do badań na ludziach, jest priorytetem naukowym. W tym celu opisujemy tutaj podejście genomiki funkcjonalnej do badania wpływu wyczerpania genów na sferoidy linii komórek nowotworowych, które bardziej odpowiednio modelują nowotwory u ludzi in vivo.

Wykorzystanie badań przesiewowych genomiki funkcjonalnej do identyfikacji potencjalnie nowych celów leków w hodowlach sferoidalnych komórek nowotworowych

Tutaj opisujemy modele ksenoprzeszczepu danio pręgowanego za pomocą dwóch różnych miejsc iniekcji, tj. przestrzeni perivitelinowej i kanału Cuviera, aby zbadać inwazyjne zachowanie i ocenić potencjał wewnątrznaczyniowy i wynaczynieniowy ludzkich komórek raka piersi, odpowiednio.

Inwazyjne zachowanie ludzkich komórek raka piersi u embrionalnego danio pręgowanego

Tutaj opisana jest metoda przygotowania trójwymiarowej (3D) sferoidalnej kokultury komórek raka trzustki i fibroblastów, a następnie pomiaru funkcji metabolicznych za pomocą analizatora strumienia zewnątrzkomórkowego.

Otrzymywanie i oznaczanie metaboliczne 3-wymiarowych sferoidalnych kokultur komórek raka trzustki i fibroblastów

Aneuploidia prowadzi do niestabilności genomu, co ostatecznie prowadzi do powstania komórek o skomplikowanych kariotypach. W artykule przedstawiono prostą i wygodną metodę izolowania komórek aneuploidalnych o złożonych kariotypach, które przestają się dzielić.

Wytwarzanie i izolacja komórek zatrzymanych w cyklu komórkowym ze złożonymi kariotypami

Tutaj prezentujemy protokół generowania indukowanych pluripotencjalnych komórek macierzystych (iPSC) z fibroblastów pochodzących od pacjentów z zespołem Li-Fraumeni (LFS), różnicowania iPSC poprzez mezenchymalne komórki macierzyste (MSC) do osteoblastów oraz modelowania nowotworzenia in vivo przy użyciu osteoblastów pochodzących od pacjentów z LFS.

Modelowanie kostniakomięsaka za pomocą zespołu Li-Fraumeni Indukowane pluripotencjalne komórki macierzyste pochodzące od pacjenta

Niniejszym przedstawiamy protokół, który szczegółowo opisuje aspekty techniczne i zasadnicze wymagania w celu zapewnienia solidnej analizy sekwencji genów IG u pacjentów z przewlekłą białaczką limfocytową (CLL), w oparciu o zgromadzone doświadczenie Europejskiej Inicjatywy Badawczej nad PBL (ERIC).

Analiza sekwencji genów immunoglobulin w przewlekłej białaczce limfocytowej: od materiału pacjenta do interpretacji sekwencji

Ten protokół opisuje procedurę ekstrakcji i wzbogacania fosfopeptydów z linii komórkowych lub tkanek raka prostaty w celu analizy fosfoproteomu za pomocą proteomiki opartej na spektrometrii mas.

Wzbogacanie fosfopeptydem w połączeniu z bezznacznikową ilościową spektrometrią mas w celu zbadania fosfoproteomu w raku prostaty

Tutaj przedstawiono protokół średnio- i wysokoprzepustowej analizy zdarzeń fosforylacji białek na poziomie komórkowym. Fosfomorfometria przepływowa to potężne podejście do charakteryzowania aberracji sygnałowych, identyfikacji i walidacji biomarkerów oraz oceny farmakodynamiki.

Fosfomorfometria przepływowa z fluorescencyjnym kodowaniem kreskowym komórek do analizy sygnalizacji pojedynczej komórki i odkrywania biomarkerów

Glejak jest najczęstszym i najbardziej agresywnym pierwotnym nowotworem złośliwym mózgu u dorosłych, z większością nowotworów nawracających po początkowym leczeniu. Terapia polami do leczenia nowotworów (TTFields) jest najnowszą metodą leczenia glejaka. W tym artykule opisano prawidłowe zastosowanie matryc przetworników pola TTFields u pacjentów oraz omówiono teorię i aspekty leczenia.

Kliniczne zastosowanie terapii polowej w leczeniu nowotworów w glejaku

Tutaj opisujemy metodę wielofotonowego obrazowania poklatkowego komórek mózgu w wysokiej rozdzielczości przed i po inwazyjnej interwencji chirurgicznej (np. biopsji) u tego samego żywego zwierzęcia. Metoda ta pozwala na badanie wpływu tych inwazyjnych zabiegów chirurgicznych na zachowanie migracyjne, inwazyjne i proliferacyjne komórek nowotworowych na poziomie pojedynczej komórki.

Podłużne obrazowanie przyżyciowe zachowania komórek guza mózgu w odpowiedzi na inwazyjną biopsję chirurgiczną

Poznaj interpretację wariantów klinicznych za pomocą Integrative Genomics Viewer (IGV) dla patologów molekularnych. Naucz się wizualizacji danych NGS i analizy przypadków klinicznych.

Interpretacja wariantów klinicznych za pomocą programu Integrative Genomics Viewer (IGV) dla patologów molekularnych

Przeglądaj więcej filmów