ScholarGate
Assistant
Process / pipelineBioinformatics / omics

Appel de variants en série temporelle — Détection longitudinale de mutations somatiques

L'appel de variants en série temporelle est un pipeline bioinformatique qui identifie et suit les variants génomiques — typiquement des mutations somatiques — à travers de multiples échantillons de séquençage collectés chez le même sujet à différents moments. Il est le plus largement appliqué en génomique du cancer pour reconstruire l'évolution tumorale, surveiller la maladie résiduelle minimale et détecter l'émergence de clones résistants au traitement. En modélisant conjointement les fréquences alléliques des variants à travers la dimension temporelle, la méthode distingue les véritables changements somatiques du bruit de séquençage et estime la dynamique clonale au fil du temps.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Appel de variants en série temporelle
Analyse de l'expression…

Sources

  1. Nik-Zainal, S., et al. (2012). The life history of 21 breast cancers. Cell, 149(5), 994–1007. link
  2. McMahon, M., et al. (2021). Benchmarking algorithms for clonal evolution analysis using multi-region and longitudinal tumour sequencing data. Briefings in Bioinformatics, 22(3), bbaa163. link

Comment citer cette page

ScholarGate. (2026, June 3). Time-series Variant Calling. ScholarGate. https://scholargate.app/fr/bioinformatics/time-series-variant-calling

Quelle méthode ?

Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.

Comparer côte à côte
ScholarGateTime-series variant calling (Time-series Variant Calling). Consulté le 2026-06-15 sur https://scholargate.app/fr/bioinformatics/time-series-variant-calling · Jeu de données : https://doi.org/10.5281/zenodo.20539026