人类黑色素瘤基因组的肿瘤样本采集、DNA提取、覆盖度分析以及突变检测算法的优化

《Pathology - Journal of the RCPA》：Tumour procurement, DNA extraction, coverage analysis and optimisation of mutation-detection algorithms for human melanoma genomes

本研究评估了测序深度和生物信息学算法对黑色素瘤样本SNV检测的影响，发现60X覆盖组织样本和40X细胞系可有效检测98-99%的SNV，同时分析肿瘤与血液基因组可减少41%的错误。

　　

摘要

总结：对癌症患者的肿瘤进行全基因组测序（WGS）是识别新型和已知具有临床应用价值的基因组靶点最全面的方法。然而，对临床样本进行WGS的实际操作细节尚未得到充分明确。

本研究旨在测试样本制备、测序参数和生物信息学算法对人类黑色素瘤样本大规模WGS分析的准确性和成本效益的影响。

研究对黑色素瘤细胞系（n = 15）和新鲜冷冻的黑色素瘤肿瘤（n = 222）进行了WGS分析，确定了适合该项目的覆盖度水平和最佳突变检测算法。

将黑色素瘤组织样本的测序覆盖度从36X提高到132X，仅对细胞系进行测序时覆盖度从30X提高到103X，仅导致检测到的突变数量略有增加（1–2%），且这些额外突变的 Quality Score 表明其真实性的可能性较低。结果表明，对于黑色素瘤组织而言，60X的覆盖度能够检测到98–99%的信息性单核苷酸变异（SNVs）；而对于黑色素瘤细胞系，40X的覆盖度即可达到这一效果。这一灵敏度水平使得临床决策或基因组景观研究能够以高度可信的结果进行。同时，生物信息学突变分析方法也对检测到的SNVs的数量和质量产生了显著影响。单独分析血液基因组与肿瘤基因组相比，可以多检测出41%的SNVs。因此，应同时对匹配的黑色素瘤组织和血液基因组进行联合分析，以减少突变检测的误差。

本研究为不同覆盖度下WGS在人类临床癌症样本中检测SNVs的准确性提供了宝贵的见解。此外，我们还评估了公开可用的突变检测算法在识别癌症特异性SNVs方面的准确性，这有助于研究人员和临床医生在设计及实施WGS以检测其他癌症中的体细胞突变时做出更明智的决策。