Name: Moleküler Patologlar için Integrative Genomics Viewer (IGV) ile Klinik Varyant Yorumlama (Video) | JoVE Journal
Uploaded: 2026-08-14T14:13:00.000+00:00
Duration: 4 min 4 s
Description: Öğrenin, klinik genomikte IGV kullanarak somatik mutasyonları görselleştirme ve yorumlama yöntemlerini. FASTQ, BAM ve VCF dosyaları ile kanser vakalarında varyant analizi yapmayı keşfedin.

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

IGV yazılımının tüm geliştiricilerine ve IGV geliştirmesini halihazırda finanse eden NIH hibe desteğine (&#160;U24CA258406) minnettarız. Bu çalışmanın geliştirilmesi için herhangi bir finansman alınmamıştır.

<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>

Tüm yazarlar, herhangi bir çıkar çatışması olmadığını beyan etmektedir.

Klinik raporlama için doğru varyant incelemesi, karmaşık biyoinformatik algoritmalara ve IGV kullanılarak karmaşık varyantların görsel incelemesinin sürece dahil edilmesine bağlıdır5,6. Bu çalışma, IGV'de basit ve karmaşık genomik değişimleri görselleştirmek için önerilen ayarların kısa bir kaynağını derlemek amacıyla tasarlanmıştır (Ek Dosya 1). Bu çalışma, yaygın somatik değişimlere ve bunların IGV'de nasıl inceleneceğine odaklanmaktadır.
<...

Onkolojik bakım, tanı, prognoz ve tedavi seçimini bilgilendirmek için yeni nesil dizileme (NGS) teknolojilerinin kullanımıyla son yıllarda dönüşüme uğramıştır1. NGS testleri, birçok tümör tipinde şu amaçlar için standart bakım haline gelmiştir: 1) moleküler olarak tanımlanmış bir tümör tanısı koymak, 2) tedavi kararları için tümör tipinden bağımsız biyobelirteç sonuçlarını kullanmak ve 3) belirli tümör tipleri için risk stratifikasyonunu belirlemek2,3. NGS ve diğer biyobelirteç testlerinden elde edilen doğru ve zamanında sonuçlar, onkolojide hasta bakımı ve planlamasının kritik bir bileşeni haline gelmiştir.
NGS testleri tipik olarak, kurumların bu tür testleri geliştirmek ve sürdürmek için yeterli uzmanlığa ve kaynağa sahip olduğu durumlarda, büyük referans laboratuvarlarında veya hastane tabanlı/akademik laboratuvarlarda gerçekleştirilir. Genomics Organization for Academic Laboratories (GOAL) organizasyonu, akademik bilgi ve reaktif maliyetlerinin paylaşımına odaklanan iş birlikçi bir ağ olarak tasarlanmıştır4. GOAL konsorsiyumunun önemli bir çabası, klinik çalışmaların incelenmesi ve raporlanması için kritik bileşenlere yönelik eğitim oturumlarını kapsamaktadır. Bunlar, pratik öğretici oturumlar şeklinde geliştirilmiştir ve genomik tıptaki temel ve gelişmiş özelliklerini göstermek amacıyla integratif genom görüntüleyici (IGV) üzerine etkileşimli bir çalıştayı içermektedir.
Çoğu NGS verisinin grafiksel bir kullanıcı arayüzü olmadan çok geniş ve yönetilmesi zor olduğu göz önüne alındığında, IGV, kullanıcıların NGS verilerini ve diğer büyük veri setlerini kolayca incelemelerine olanak sağlamak için tasarlanmış bir veri görselleştirme aracıdır5. IGV başlangıçta klinik varyant analizi için tasarlanmamıştır. Ancak, biyoinformatik deneyim seviyeleri ne olursa olsun tüm moleküler profesyoneller için kullanım kolaylığı sağlaması nedeniyle, karmaşık veri inceleme iş akışının bir parçası olarak birçok laboratuvar tarafından yaygın olarak benimsenmiştir6. Bu çalışma, bu bilgileri daha geniş genomik laboratuvar profesyonelleri topluluğuna yaymak için bir mekanizma olarak hazırlanmıştır.
Klinik iş akışının bir parçası olarak IGV kullanımına yönelik klinik ihtiyaçlar arasında; sekanslama hatalarının tespit edilmesi, genomik varyant belirleme süreçlerindeki karmaşıklıkların yönetilmesi ve ek görselleştirmenin uygun veri yorumlamasına yardımcı olabileceği diğer tekrarlayan değişikliklerin değerlendirilmesi yer almaktadır7. IGV kullanımı, bir NGS çalışmasından elde edilen standart biyoinformatik dosyaları gerektirir8. IGV yazılımının temel özellikleri, sekanslama verilerinin görselleştirilmesine olanak tanır ve klinik varyant yorumlaması için bir dizi tercih ve seçeneğin yapılandırılmasını gerektirir (Ek Dosya 1).
Kısa okuma sekanslama iş akışı; FASTQ, ikili hizalama haritası (BAM) ve varyant çağırma formatı (VCF) dosya standartları ile karakterize edilir. NGS, milyonlarca kısa okumayı paralel olarak üreterek yüksek verimlilik sağlar. Bu strateji veri üretimini büyük ölçüde hızlandırsa da, her bir okuma orijinal DNA veya RNA'nın yalnızca bir fragmanıdır. Okumalar, adaptör dizileri aracılığıyla bir NGS akış hücresindeki belirli bir konuma tutunur. Optik işlemeden elde edilen sekans ve baz kalitesi bilgileri FASTQ dosyalarına kaydedilir. Bu ham okumalar, nükleotid dizileri ile birlikte baz başına kalite skorlarını içerir. Bu nedenle, ham okumaların işlenmesindeki ilk adımlardan biri, her bir okumayı bir referans genoma hizalamaktır8. Her okumaya referans genomda hizalanma olasılığının en yüksek olduğu belirli bir konum atandığından, aynı konuma karşılık gelen okumalar her lokusta &#34;üst üste biner&#34; ve bu veriler, sekans hizalama haritalama (SAM) spesifikasyonlarına (https://samtools.github.io/hts-specs/SAMv1.pdf adresinden erişilebilir; son doğrulama tarihi: 30/09/2025) uygun olarak bir BAM dosyasında saklanır (Şekil 1A). Bu bilgiler, IGV gibi bir genom tarayıcısı ile görsel olarak incelenebilir. Şekil 1B'de gösterildiği gibi, okumaların birbirleriyle veya referans dizinin kendisiyle karşılaştırılması, nükleotid dizileri arasındaki farkları veya tutarsızlıkları ortaya çıkarabilir. Tüm genom boyunca yalnızca bu &#34;varyant&#34; konumların özetleri bir VCF dosyasında derlenir; bu dosya, BAM dosyasına göre boyut olarak çok daha küçük olabilir ancak varyant incelemesi için gereken yararlı bilgilerin çoğunu hala içerebilir. Bu nedenle VCF dosyası, varyant çağırma hatlarının genellikle nihai çıktısıdır (Şekil 1C). Sonuç olarak, FASTQ dosyaları ham okuma ve kalite verilerini içerirken, BAM dosyası bu okumaların genoma ne kadar güvenle haritalandığına dair bilgi sağlar ve VCF, referans dizi ile örnek dizi arasındaki farkları temsil ederek potansiyel raporlama için incelenebilecek çok daha yönetilebilir miktarda veri sunar.
Bu çalışmadaki altı klinik vaka, moleküler laboratuvarlarda somatik varyant tespiti ile ilişkili yaygın analitik senaryoların yanı sıra, temel verilerin doğru anlaşılmasını ve yorumlanmasını zorlaştıran problemleri örneklendirmektedir. Genel olarak bu vakalar, giderek daha karmaşık hale gelen yorumlama senaryolarını ve IGV'deki gelişmiş özelliklerin kullanımının kapsamlı genomik özellikleri nasıl daha iyi tanımlayabileceğini göstermek için seçilmiştir. Bu çalışma somatik varyant yorumlamaya odaklansa da, bu özellikler germline değişikliklerin görselleştirilmesi ve yorumlanmasında IGV'nin kullanımı için de geçerlidir6. Şunu belirtmek gerekir ki, bu makalede kullanılan terimler sentez yoluyla dizileme kimyasına ve uygun olduğu yerlerde, diğer platformlar için benzer terimlere/kavramlara dayanmaktadır.
Her bir klinik vaka, çok kısa bir klinik bağlamla başlar ve bunu varyantın veya varyantların nasıl araştırılacağı ile hangi varyantın (varsa) gerçek, hangisinin (varsa) bir artefakt olduğunun nasıl çözüleceğine dair talimatlar izler. Sekanslama verilerinin detaylarıyla birlikte klinik bağlam, bu soruyu yanıtlamak için önemlidir.

<table><tbody><tr><td>BLAT</td><td>BLAT Genom Araması</td><td>https://genome.ucsc.edu/cgi-bin/hgBlat</td><td>Bağımsız BLAT web sayfası. BLAT API, IGV içerisinde mevcuttur, ek bir kuruluma gerek yoktur</td></tr><tr><td>CNVKit</td><td>GitHub</td><td>https://github.com/etal/cnvkit</td><td>CNVKit'in ücretsiz indirilebildiği genel GitHub deposu. CNVKit'in indirilmesi/çalıştırılmasına yönelik talimatlar da burada mevcuttur.</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #1</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c1.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #2</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c2.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #3</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c4.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #4</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c5.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c6.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #6</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c7.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #7</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c8.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası #8</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c9.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Vinyet #5 için karşılaştırıcı segment dosyası</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/c3.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>İnsan Genom Dizisi</td><td>İnsan Genom Dizisi</td><td>https://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/latest/hg38.fa.gz</td><td>Hg38 insan genom sürümünü içeren indirilebilir fasta dosyası.&amp;nbsp; Bu, IGV içerisinde mevcuttur, ek bir indirmeye gerek yoktur</td></tr><tr><td>İnsan Genom Dizisi</td><td>İnsan Genom Dizisi</td><td>https://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/latest/hg19.fa.gz</td><td>Hg19 insan genom sürümünü içeren indirilebilir fasta dosyası. Bu, IGV içerisinde mevcuttur, ek bir indirmeye gerek yoktur</td></tr><tr><td>IGV Yazılım paketi</td><td>IGV Yazılımı</td><td>https://data.broadinstitute.org/igv/projects/downloads/2.19/IGV_Win_2.19.7-WithJava-installer.exe</td><td>Java (JDK 21) ile birlikte IGV yazılım versiyon 2.19.7, ücretsiz indirilebilir. Buradaki bağlantı Windows içindir; ancak Linux ve Mac için bağlantılar da mevcuttur.</td></tr><tr><td>Vinyet #5 vakası için segment dosyası</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.seg</td><td>Kopya Sayısı Dosyaları</td></tr><tr><td>Eğitim GitHub Deposu</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/tree/main</td><td>Altı vinyeti yeniden oluşturmak için gerekli tüm dosyaların bulunduğu genel GitHub deposu</td></tr><tr><td>Vinyet #1</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KRAS.xml</td><td>Oturum Dosyaları</td></tr><tr><td>Vinyet #1 Vaka A bai indeksi</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>Hizalama Dosyaları</td></tr><tr><td>Vinyet #1 Vaka A bam hizalama dosyası</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>Hizalama Dosyaları</td></tr><tr><td>Vinyet #1 Vaka B bai indeksi</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>Hizalama Dosyaları</td></tr><tr><td>Vinyet #1 Vaka B bam hizalama dosyası</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>Hizalama Dosyaları</td></tr><tr><td>Vinyet #2</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/BRAF.xml</td><td>Oturum Dosyaları</td></tr><tr><td>Vinyet #2&amp;nbsp; bai indeksi</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>Hizalama Dosyaları</td></tr><tr><td>Vinyet #2&amp;nbsp; bam hizalama dosyası</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>Hizalama Dosyaları</td></tr><tr><td>Vinyet #3</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KIT.xml</td><td>Oturum Dosyaları</td></tr><tr><td>Vinyet #3 bai indeks dosyası</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KITdupmod2.bai</td><td>Hizalama Dosyaları</td></tr><tr><td>Vinyet #3 bam hizalama dosyası</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/KITdupmod2.bam</td><td>Hizalama Dosyaları</td></tr><tr><td>Vinyet #4</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFR.xml</td><td>Oturum Dosyaları</td></tr><tr><td>Vinyet #4 hizalama dosyası</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFRE746_A750delmod.bam</td><td>Hizalama Dosyaları</td></tr><tr><td>Vinyet #4 bai indeksi</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/EGFRE746_A750delmod.bai</td><td>Hizalama Dosyaları</td></tr><tr><td>Vinyet #5</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/copynumber.xml</td><td>Oturum Dosyaları</td></tr><tr><td>Vinyet #6</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/egfr_vIII.xml</td><td>Oturum Dosyaları</td></tr><tr><td>Vinyet #6 bai indeksi</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.bai</td><td>Hizalama Dosyaları</td></tr><tr><td>Vinyet #6 bam hizalama dosyası</td><td>GitHub</td><td>https://github.com/Eitan177/Demo_IGV/blob/main/proband.bam</td><td>Hizalama Dosyaları</td></tr></tbody></table>

moleküler patologlar için integrative genomics viewer (igv) ile klinik varyant yorumlama

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

Integratif genomik görüntüleyici (IGV), kompleks sekanslama verilerinin görselleştirilmesine ve yorumlanmasına olanak tanıyan, klinik genomikteleçil bir araçtır. Klinik bilginin, sekanslama sonuçlarının görsel değerlendirmesiyle birleştirilmesi; moleküler patologların ve diğer uzmanların vakaları değerlendirmek ve sonuçlandırmak için kullandıkları temel yöntemdir. Çeşitli yazılım araçları yardımcı olabilir, ancak bu araçların temel verilerle olan ilişkisinin anlaşılması ve sistematik olarak uygulanması gerekir. Bu çalışma, yeni nesil sekanslama (NGS) veri dosyası türleri (örneğin, FASTQ, BAM, VCF) hakkında, formatları ve amaçlarına dair tartışmalarla birlikte temel arka plan bilgileri içermektedir. Ardından, IGV'nin bu dosyalardan gelen nüansları ortaya çıkaran özelliklerini açıklıyoruz. Okuyucunun, insan referans genomuna göre klinik olarak ilgili çeşitli varyant türlerini gözden geçirmek için IGV yazılımını kullanarak klinik NGS sekanslama verileriyle etkileşime gireceği, klinik vinyetlere dayalı bir dizi küratörlü pratik vaka kullanıyoruz. Bu klinik vinyetler, genomik verilerin yorumlanmasındaki bazı karmaşıklık örneklerini ve rutin bir iş akışının parçası olarak IGV kullanımının, rutin biyoinformatik yazılım algoritması varyant çağrılarının ötesinde, varyantlar için nasıl ek yorumlayıcı bilgiler sağlayabileceğini tanımlamak amacıyla küratörlüğü yapılmıştır. IGV içindeki araçlar kullanılarak yapılan genomik varyantların görsel incelemesi, genomik varyantların yorumlanmasını etkileyebilecek ince bağlamsal ipuçlarını (yani, varyant alel frekansı, zincir yanlılığı, dokuya özgü bağlam) ortaya çıkarabilir. Bu çalışma somatik varyantların tespiti ve yorumlanması için IGV kullanımına odaklanmış olsa da, sunulan uygulamalar kompleks varyantların analizi ve mozaisizmin tespiti dahil olmak üzere germline ortamında kullanım için de genişletilebilir.

Önemli bir not olarak, bu çalışma klinik raporlama için IGV'de varyant incelemesinin ayrıntılarını tanımlamaya odaklanmaktadır. Nihai klinik raporlama, her bir laboratuvarın doğrulanmış iş akışına, kalite kriterlerine ve raporlama politikasına bağlı olmalıdır. Bu önemli konunun kapsamlı bir tartışması mevcut çalışmanın kapsamı dışındadır; ancak, American College of Medical Genetics and Genomics ve Association for Molecular Pathology7 tarafından önerilen standartlar ve kılavuzlar oluşturulmuştur ve...

Integratif genomik görüntüleyici (IGV) yazılımı, klinik varyant belirleme için kullanılan temel verilere yönelik zengin ve sezgisel bir pencere sunar. Burada, gerçek patojenik olaylar ile artefaktlar arasında hızlı bir şekilde ayrım yapmanın nasıl gerçekleştirileceğini gösteren ve sonuç olarak yeni nesil dizileme analizlerinin moleküler onay sürecinde yer alan pratisyenlerin tanısal güvenini pekiştiren beş vaka örneği sunuyoruz.

Moleküler Patologlar için Integrative Genomics Viewer (IGV) ile Klinik Varyant Yorumlama

Entegre genomik görüntüleyici (IGV), karmaşık dizileme verilerinin görselleştirilmesini ve yorumlanmasını sağlayarak klinik genomikte çok önemli bir araçtır. ...

Kanser hastalarında somatik mutasyonların IGV kullanılarak doğru şekilde bulunması ve raporlanması için bazı temel beceriler kazandırmayı amaçlıyoruz. Klinik laboratuvarlarda IGV kullanımıyla ilgili sınırlı sayıda kılavuz bulunmaktadır. Bu protokol, düzenlenmiş klinik vinyetler sunarak bu eksikliği gidermektedir.Başlamak için, Java içeren Windows için integratif genomik görüntüleyici yazılımının en güncel sürümünü indirin ve kurun. Ardından, klinik vaka dosyalarını GitHub deposundan indirin. IGV yazılımının üst menüsünden "Show coverage track" seçeneğinin etkin olduğunu doğrulayın. Klinik olarak anlamlı düşük seviyeli varyantları tespit etmek için "Coverage allele fraction threshold" değerini 0,01 olarak ayarlayın. Son olarak, uçları kırpılmış kısmi hizalanmış okumaları görüntülemek için üst menüden "Show soft clipped bases" seçeneğini etkinleştirin. İş akışına başlamadan önce hasta yaşı, rahatsızlığı ve NGS sonuçları gibi vaka detaylarını inceleyin. Sol üstteki genom açılır menüsünde referans genomu hg38 olarak ayarlayın, ardından proband veya hasta ve karşılaştırıcı örnek segment dosyalarını görüntüleyiciye sürükleyip bırakın. Sonra, kromozom 7'ye gidin ve epidermal büyüme faktör

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

Research

JoVE Journal

Cancer Research

Kanser Araştırmaları

Klinik öncesi testlerden insan denemelerine geçiş yapan yeni ilaç hedeflerinin belirlenmesi bilimsel bir önceliktir. Bu amaçla, burada, gen tükenmesinin kanser hücre hattı sferoidleri üzerindeki etkisini incelemek için işlevsel bir genomik yaklaşımı tanımlıyoruz, bu da insan kanserlerini in vivo olarak daha uygun bir şekilde modelliyor.

İşlevsel Genomik Tarama kullanılması Kanser Hücre Sfero Kültürleri Potansiyel Yeni İlaç Hedefleri Belirlemek İçin

Burada, invaziv davranış araştırmak ve sırasıyla insan meme kanseri hücrelerinin içeri geçiş ve ekstravazasyondur potansiyelini değerlendirmek için, iki farklı enjeksiyon yerlerini, yani perivitelline alan ve Cuvier ait kanal kullanılarak ksenogreft Zebra balığı modellerini açıklar.

Embriyonik Zebra balığı İnsan Kanser Hücrelerinin İnvazif Davranış

Burada, pankreas kanseri hücreleri ve metabolik fonksiyonların bir hücre dışı akı çözümleyicisini kullanarak ölçüm tarafından takip fibroblastlar, 3 boyutlu (3D) küresel ortak kültür hazırlanması için bir yöntemi açıklanmıştır.

Hazırlık ve pankreas kanseri hücreleri ve fibroblastlar 3 boyutlu küresel ortak kültürlerin metabolik tahlil

Anöploidi sonunda karmaşık karyotypes içeren hücre döngüsü tutuklandı hücreleri üreten genom istikrarsızlık yol açar. Bu kağıt aneuploid hücreleri bölmek için ateşkes karmaşık karyotypes ile izole etmek için basit ve uygun bir yöntem sağlar.

Üretimi ve yalıtım karmaşık Karyotypes içeren hücrelerin hücre döngüsü tutuklandı

Burada, bir protokol indüklenmiş pluripotent kök hücreler (iPSCs) üretimi için Li-Fraumeni sendromu (LFS) hasta türetilmiş fibroblastlar, iPSCs mezenkimal kök hücre (MSCs) yoluyla farklılaşma üzerinden dokusunu ve modelleme içinde vivo mevcut LFS hasta kaynaklı dokusunu kullanarak tumorigenesis.

Li-Fraumeni sendromu hasta kaynaklı indüklenmiş Pluripotent kök hücreler kullanılarak osteosarkom modelleme

Burada, biz ayrıntıları teknik özellikleri ve sağlam IG Gen Dizi Analizi hastalarda kronik lenfositik lösemi (CLL), emin olmak için temel gereksinimleri dayalı Avrupa araştırma girişimi birikmiş deneyim bir iletişim kuralı mevcut CLL (ERIC).

Kronik Lenfositik Lösemi içinde immünglobulin Gene dizi analizi: Sıra yoruma hasta malzemeden

Bu iletişim kuralı ayıklamak ve prostat kanseri hücre hatlarından veya doku phosphoproteome ile kütle spektrometresi tabanlı proteomik analizi için phosphopeptides zenginleştirmek için bir yordam açıklanır.

Prostat kanserinde Phosphoproteome araştırmak için etiket içermeyen nicel kütle spektrometresi ile birleştiğinde Phosphopeptide zenginleştirme

Burada, hücresel düzeyde protein fosforilasyon olayların orta-yüksek performans analizi için bir protokol sunulmuştur. Fosfo akış sitometresi sinyal aberasyonları karakterize, tanımlamak ve biyolojik doğrulamak ve Özellikler değerlendirmek için güçlü bir yaklaşımdır.

Fosfo akış sitometresi ile floresan hücre barkodlama tek hücre Analizi ve biyomarker keşif sinyal

Glioblastoma en yaygın ve agresif birincil beyin malignite erişkinlerde, ilk tedaviden sonra yinelenen çoğu tümörü var. Glioblastoma en yeni tedavi yöntemi tümör tedavi alanları (TTFields) tedavisidir. Burada, hastaların TTFields-dönüştürücü diziler düzgün uygulama açıklamak ve teori ve tedavi yönlerini tartışmak.

Glioblastoma içinde alanları terapi tedavi tümör klinik uygulama

Burada, aynı yaşam hayvanında invazif cerrahi müdahalenin (örn. biyopsi) önce ve sonra beyin tümörü hücrelerinin yüksek çözünürlüklü zaman aşımı multifoton görüntüleme yöntemi açıklanmaktadır. Bu yöntem, bu invaziv cerrahi prosedürlerin tümör hücrelerinin migrasyon, invazif ve proliferatif davranışlarının tek bir hücre seviyesinde etkisini inceleyerek sağlar.

Invaziv cerrahi biyopsiye yanıt olarak beyin tümörü hücre davranışının boyuna Intravital görüntüleme

Öğrenin, klinik genomikte IGV kullanarak somatik mutasyonları görselleştirme ve yorumlama yöntemlerini. FASTQ, BAM ve VCF dosyaları ile kanser vakalarında varyant analizi yapmayı keşfedin.

Moleküler Patologlar için Integrative Genomics Viewer (IGV) ile Klinik Varyant Yorumlama

Daha fazla video keşfet