Single-cell Copy Number Variation Analysis
Ayrıca şöyle bilinir: scCNV analysis, single-cell CNV, scCNA analysis, single-cell copy number aberration analysis
Tümörü tekdüze bir kitle olarak değil, farklı kromozomal kazanımlar ve kayıplar biriktiren rakip hücre soy hatlarından oluşan bir ekosistem olarak hayal edin. Toplu dizileme bu farklılıkları ortalamadan çıkararak çeşitliliği maskeler. Tek hücre CNV analizi, her hücreyi kendi genomu olarak ele alır ve her genomik bölgeden kaç kopya taşıdığını okur. Benzer kopya sayısı profillerine sahip hücreler klonlara gruplandırılır ve klonlar arasındaki evrimsel ilişkiler yeniden yapılandırılabilir; bu da hangi alt popülasyonun genişlediğini, hangisinin atadan geldiğini ve hangi kopya sayısı olayının kurucu lezyon olduğunu ortaya çıkarır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tümör içi heterojenliği tek hücre çözünürlüğünde çözer, toplu yöntemlerin görünmeyen alt klonal mimariyi ortaya çıkarır.
Güçlü yönler & sınırlılıklar
- Klonal evrimin yeniden yapılandırılmasını ve kurucu ile geç kopya sayısı olaylarının tanımlanmasını sağlar.
- inferCNV veya CopyKAT gibi araçları kullanarak scRNA-seq verilerinden CNV'leri çıkarabilir.
- Kopya sayısı sapmalarına dayanarak karışık örnekli scRNA-seq deneylerinde malign hücreleri normal hücrelerden ayırır.
- Özel düşük girişli scWGS protokolleri kullanıldığında sabitlenmiş hücre ve FFPE materyali ile uyumludur.
- Hücre başına sığ dizileme derinliği (scWGS damla protokolleri için tipik) çözünürlüğü sınırlar; küçük odaklanmış amplifikasyonlar veya delesyonlar kaçırılabilir.
- scRNA-seq'den CNV çıkarımı dolaylıdır ve genlerin genom boyunca yoğunluğuna bağlıdır; gen yoğunluğu düşük bölgeler güvenilmez tahminler verir.
- Normalleştirme için temiz bir diploid referans hücre popülasyonu tanımlamak, yüksek derecede anoploid veya kontamine örneklerde zor olabilir.
- İkililer (birlikte yakalanan iki hücre) yapay CNV profilleri üretebilir ve dikkatlice kaldırılmalıdır.
- Hesaplama işlem hatları varsayımlar ve çıktılar açısından önemli ölçüde farklılık gösterir; sonuçlar araca bağlı olabilir.
- Uygun olmayan bir referans popülasyonu kullanmak — 'normal' referans hücreleri aslında anoploid veya kontamine ise, tüm kopya sayısı çağrıları yanlış temele dayandırılacak ve analiz boyunca sistematik hatalar üretecektir.
SSS
Evet. inferCNV, CopyKAT ve Numbat gibi araçlar, scRNA-seq verilerindeki gen ekspresyonu okuma derinliği modellerinden kopya sayısı durumlarını çıkarır. Çıkarım gen yoğunluğuna ve ekspresyon değişkenliğine bağlı olduğundan çözünürlük ve hassasiyet doğrudan scWGS'den daha düşüktür, ancak bu yöntemler büyük kromozomal kazanımları ve kayıpları (kol seviyesi ve üstü) güvenilir bir şekilde tespit edebilir ve karışık örneklerde tümör ile normal hücreleri ayırmak için yaygın olarak kullanılır.
Normalleştirme için bir referans (normal) hücre popülasyonunu nasıl seçerim?
İdeal olarak, normal hücreler aynı bireyden gelir — örneğin, aynı tümör örneğindeki bağışıklık veya stromal hücreler, diploid olması beklenen. Dahili normal hücreler mevcut değilse, eşleşen bir normal doku örneği veya halka açık bir veri kümesinden bir grup normal hücre kullanılabilir. Temel gereksinim, referans hücrelerin gerçekten diploid olması ve anoploid hücrelerle karışık olmamasıdır.
scWGS verileri için hangi kutu boyutunu kullanmalıyım?
Yaygın seçimler, kapsama derinliğine bağlı olarak 200 kb ile 1 Mb arasında değişir. Pratik bir kural, genom çapında kutu başına ortalama okuma sayısının en az 10-20 okuma olmasını sağlayacak bir kutu boyutu seçmektir. Çok sığ kapsama (hücre başına 0.05x'ten az, yüksek verimli damla protokolleri için tipik) ile 500 kb ila 1 Mb boyutundaki kutular daha uygundur. Ginkgo ve benzeri araçlar, gözlemlenen kapsama alanını göz önüne alarak otomatik olarak bir kutu boyutu önerebilir.
Güvenilir klonal çıkarım için kaç hücreye ihtiyacım var?
Evrensel bir minimum yoktur, ancak güvenilir klonal kümeleme genellikle örnek başına en az birkaç yüz hücre gerektirir. 100'den az hücre ile gerçek alt klonları gürültüden ayırt etmek için istatistiksel güç düşüktür. Çok nadir alt klonlar (onda 5'ten az sıklıkta) için, bunları güvenle tespit etmek için birkaç bin hücre gerekebilir.
scCNV analizi kanser dışı örnekler için uygun mudur?
Somatik mozaisizmin beklendiği kanser dışı bağlamlarda uygulanabilir — örneğin, nöronal genom çeşitliliği, yaşlanmayla ilgili somatik mutasyon birikimi veya erken embriyonik gelişim çalışmaları. Beklenen yapısal varyasyonun olmadığı diploid somatik dokuda, sinyal-gürültü oranı anlamlı çağrılar için tipik olarak çok düşüktür ve yöntem önerilmez.
scWGS okuma derinliği matrisinizi veya scRNA-seq sayım matrisinizi MethodMind scCNV iş akışına yükleyin, kutu boyutunu ve referans hücre popülasyonunu yapılandırın ve bölümlenmiş kopya sayısı profilleri, klon atamaları ve klonal alt popülasyonların etkileşimli bir filogenetik ağacını alın.
Kaynaklar
- Garvin, T., Aboukhalil, R., Kendall, J., Baslan, T., Atwal, G. S., Hicks, J., Wigler, M., & Schatz, M. C. (2015). Interactive analysis and assessment of single-cell copy-number variations. Nature Methods, 12(11), 1058–1060. link ↗
- Gao, R., Bai, S., Henderson, Y. C., Lin, Y., Schalck, A., Yan, Y., Kumar, T., Hu, M., Sei, E., Davis, A., Wang, F., Shaitelman, S. F., Wang, J. R., Chen, K., Moulder, S., Lai, S. Y., & Navin, N. E. (2021). Delineating copy number and clonal substructure in human tumors from single-cell transcriptomes. Nature Biotechnology, 39(5), 599–608. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Single-cell Copy Number Variation Analysis. ScholarGate. https://scholargate.app/tr/bioinformatics/single-cell-copy-number-variation-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kopya Numarası Değişkenliği AnaliziBiyoenformatik↔ karşılaştır
- Tek hücre epigenom çapında ilişkilendirme çalışması (scEWAS)Biyoenformatik↔ karşılaştır
- Tek hücre GWASBiyoenformatik↔ karşılaştır
- Tek hücre RNA-seq AnaliziBiyoenformatik↔ karşılaştır
- Tek Hücre RNA-seq Diferansiyel İfade AnaliziBiyoenformatik↔ karşılaştır
- Variant CallingBiyoenformatik↔ karşılaştır