基于腫瘤RNA-Seq數(shù)據(jù)識別融合基因的方法研究.pdf

1、融合基因是指兩個基因的編碼區(qū)首尾相連構(gòu)成的嵌合基因。當染色體發(fā)生易位、重排或者缺失時，都有可能產(chǎn)生融合基因。融合基因編碼的蛋白通常具有致癌性，會影響細胞的正常生理功能，是導致癌癥的主要原因之一。目前，在肺癌、甲狀腺、乳腺癌等疾病中，都發(fā)現(xiàn)了融合基因的存在。若能成功檢測融合基因，將有助于癌癥診斷，甚至是癌癥治療。
　　二代測序技術(shù)的出現(xiàn)，使得從基因組水平檢測融合基因成為了可能。通過分析融合基因測序讀段特征，尋找融合基因和正?；驕y序

2、讀段的差異，開發(fā)出了一種新的融合基因檢測算法：GFusion。其采取了分割比對的方法，首先使用Bowtie、Tophat等軟件，將讀段比對到人類參考基因組，得到SAM文件并從中提取出沒有比對信息的讀段。其次，將這些未比對上的讀段，采用序列分割的方法創(chuàng)建人工雙端讀段，再重新比對這些雙端讀段，以此定位其來源基因及外顯子信息。然后，對這些人工雙端讀段進行多重過濾篩選，從而得到候選的融合基因及融合讀段。最后將候選的融合讀段比對到重建的bowti

3、e參考索引中，得到最終確認的融合基因及融合讀段。與現(xiàn)有的融合基因檢測軟件Tophat-Fusion、FusionMap等相比，GFusion的過濾校驗標準使用了復雜的雙端映射匹配信息以及重構(gòu)的讀段比對bowtie索引，使融合基因檢測結(jié)果更加可靠。
　　為了測試GFusion的性能，使用人類乳腺癌細胞系，正常乳腺細胞系，慢性粒細胞白血病K-562細胞系的RNA-Seq數(shù)據(jù)做了分析。GFusion成功檢測到實驗證實的融合基因，并預測到

4、了部分新的融合基因。在人類乳腺癌細胞系23個實驗證實的融合基因中，GFusion檢測到了其中20個。在K-562細胞系中，成功發(fā)現(xiàn)了BCR-ABL1融合基因，這與研究證明的慢性粒細胞白血病病因相吻合。為了與已有的融合基因檢測軟件Tophat-fusion、FusionMap比較，還將人類胚胎干細胞數(shù)據(jù)和融合讀段相混合創(chuàng)建了模擬數(shù)據(jù)集。經(jīng)過數(shù)據(jù)結(jié)果，敏感度，假陽性率，以及融合基因支持的讀段數(shù)量比較，發(fā)現(xiàn)GFusion對于融合基因檢測效果更