HRD特征及其检测方法简介
HRD特征及其检测方法简介
- 1、HRD背景知识介绍
- 1.1 HRR通路简介
- 1.2 HRR基因突变可导致通路失活和HRD
- 1.3 HRD高发癌种
- 2、HRD的两类主要标志物
- 2.1 致病基因
- 2.2 基因组瘢痕
- 3、HRD检测方法
- 4、全景变异分析(CGP)
- 5、关键信息
- 6、参考文件
1、HRD背景知识介绍
1.1 HRR通路简介
(1)细胞修复的三种方式:同源重组修复、非同源重组修复、单链修复
(2)HRR:细胞不能有效的进行同源重组修复
(3)HRR是一种修复双链断裂的细胞通路
(4)DNA损伤修复对于细胞发挥功能和维持基因组稳定性至关重要;
(5)确保染色体完整性,保持细胞活力
(6)需要多种蛋白质共同作用才能有效地进行修复
1.2 HRR基因突变可导致通路失活和HRD
(1)研究透彻的基因:BRCA1、BRCA2
(2)其他基因:RAD51、PALB2等
1.3 HRD高发癌种
(1)卵巢癌
亚型:高级别浆液性卵巢癌
特征:
17%患者携带BRCA1/2胚系突变;
3%患者携带BRCA1/2体系突变;
约50%样本HRR通路基因发生改变;
(2)乳腺癌
亚型:三阴性乳腺癌
特征:
约20%患者携带BRCA1/2,体系或胚系突变;
(3)前列腺癌
亚型:转移性去势抵抗性前列腺癌
特征:
约19%患者携带BRCA1/2、BRCAness基因(ATM、CDK12)突变
(4)胰腺癌
亚型:胰腺导管腺癌
特征:
17%患者携带BRCA2胚系突变
24%患者携带BRCA1/2、PALB2胚系或体系突变
8%患者携带ATM突变
2、HRD的两类主要标志物
HRR通路基因突变(因)=》HRD同源重组缺陷=》基因组瘢痕(果),NGS检测两者均可覆盖
2.1 致病基因
(1)HRR基因缺陷(突变、甲基化、重排)
(2)如BRCA1、BRCA2和其他HRR通路基因
(3)体系、胚系突变均可
2.2 基因组瘢痕
(1)潜在突变导致HRD的细胞可能因修复效率低形成”基因组瘢痕“
(2)例如 杂合性缺失(LOH)、端粒等位基因失衡(TAI)、大片段迁移(LST)
3、HRD检测方法
(1)LOH、TAI、LST均很重要
(2)仅计算L0H,则19%-61%被鉴定为HRD+(cut_off>42)的样本被遗漏
(3)3种基因组瘢痕结合,可大幅提高HTD+样本的检测能力
基因组不稳定评分(GIS),是结合了3个单独的HRD评分的总额和评分。
Myriad Genetics开发的专利GIS算法,能够准确鉴定HRD阳性样本。算法依据PAOLA-1队列研究数据,是目前测试最严格的HRD评分方法。国内其他公司都在借鉴。
(4)BRCA1、BRCA2基因的大片段重排(LR)
BRCA1/2基因的LR发生率为10%左右,LR是1个或多个外显子的缺失和重复。
LR会导致乳腺癌和卵巢癌,并可以指示HRD。
4、全景变异分析(CGP)
(1)CGP的必要性
① 生物标志物数量越来越多(DNA+RNA)+ ② 泛癌基因组特征被发现 + ③ 患者可用(组织)样本有限,对检测提出更高要求(一个反应里检测更多信息,如DNA、RNA、HRD等)
(2)对NGS检测要求更高:
一次检测、一个流程、一份报告
(3)HRD阳性的复杂性
HRD阳性不仅仅是由于BRCA突变及HRR通路的基因组瘢痕,还有其他因素。
(4)HRD检测的必要性
有BRCA1/2基因的突变只有20%,但潜在的HRD、其他HRR通路基因突变可增加接近1倍的获益人群(HRD检测的好处)。
5、关键信息
(1)可通过评估致病基因(“因”)和基因组瘢痕(“果”)来评估HRD
(2)为了最大限度提高HRD检测,应通过基因组不稳定评估,评估包括致病基因和基因组瘢痕
(3)尽管HRD是高度普遍的卵巢癌生物标志物,但它不能解释所有病历。其他卵巢癌亚型可能具有除HRD以外其他的基因组变异
(4)Myriad Genetics的GIS算法考虑两个指标。 只要BRCA1/2有突变,HRD为阳性;如果BRCA1/2没有突变,GIS>=42分,HRD为阳性;两者均为阴,HRD为阴性。
6、参考文件
来源于一次培训,上面仅涉及了HRD基础知识,几乎都是公开的资料。本意仅为方便自己快速查找基础资料,如果觉得有侵权问题,可以联系删除。
HRD特征及其检测方法简介相关推荐
- 语音端点检测 php,几种语音端点检测方法简介
几种语音端点检测方法简介 2011年第11期福建电脑 67 几种语音端点检测方法简介 邢亚从 (苏州市职业大学江苏苏州215000) [摘要]:语音的端点检测在语音的编码.语音识别.语音增强.说话人识 ...
- code epi 光场_基于EPI的光场图像特征点检测方法与流程
本发明属于计算机视觉技术领域,涉及一种基于epi的光场图像特征点检测方法. 背景技术: 光场成像技术是计算机视觉领域的热点研究方向,光场是一个研究的热点领域,简而言之,光场是一束光在传播过程中,所包含 ...
- 行人检测系统中的行人特征及检测方法
http://blog.csdn.net/perry_pku/article/details/52370519 1.行人特征 行人特征描述子可以分为三类:底层特征,混合特征和基于学习的特征.底层特征指 ...
- 目标检测方法简介:RPN(Region Proposal Network) and SSD(Single Shot MultiBox Detector)
原文引用:http://lufo.me/2016/10/detection/ 最近几年深度学习在计算机视觉领域取得了巨大的成功,而在目标检测这一计算机视觉的经典问题上直到去年(2015)才有了完全使用 ...
- 非配合式活体检测方法简介
活体检测配合式是通过用户一些简单的动作(点头摇头等)进行检测,但是这个对用户的体验不太好,非配合式活体检测相对更加灵活,非配合式活体检测对算法要求更高,对用户体验也更友好.非配合式活体根据成像源的不同 ...
- 利用OpenCV的Haar特征目标检测方法进行人脸识别的尝试(一)
一.前言 由于还处于学习阶段,大多数内容都是从网上学习借鉴的,重复的内容就不多赘述,只是将自己的经验和想法分享出来.感觉不错的学习资源如下 http://www.cnblogs.com/tornado ...
- Opencv特征点检测及目标提取
Opencv特征点检测及目标提取 前言 1. 特征点检测方法简介 2. 单张图片特征点检测 3. opencv批量处理图片模板 4. 多张图片特征点检测及目标提取 总结 前言 在图像预处理时,会出现背 ...
- 异常检测概念及方法简介
chapter01 异常检测概述 一.异常检测的概念 异常检测(Outlier Detection):识别与正常数据不同的数据,与预期行为差异大的数据. 应用场景如:信用卡欺诈.工业生产异常.网络流量 ...
- 刘知远 陈慧敏:流言止于“智”者——网络虚假信息的特征与检测
来源:清华大学藤影荷声 本文约5000字,建议阅读10分钟 本文为你介绍网络虚假信息的一些特征和检测方法. 互联网的深度普及加速了"信息时代"的到来,网络中每个人都可以以极低甚至& ...
最新文章
- 使用Struts2标签遍历集合
- Python模块unittest
- opencv运行时exe 无法写进去的解决方法
- 临河天气预报软件测试,临河天气预报15天
- FileUploadUtil
- Python字典get()方法的实际应用
- hive java udf_UDF_Hive教程_田守枝Java技术博客
- 计算机教学与实际生活相结合,小学数学教学与实际生活相结合的方法思考
- 前后端分离开发技术的一些思考
- 最新xcode打包IPA----2021.1.18(完整详细图文)
- ensp下载最新版及所有资源包免费分享下载
- html文字边框颜色,css背景颜色/文字/边框 设置渐变色
- 小白做shopee平台,怎么解决货源问题,这三点一定要掌握
- android仿ios下拉框,android 自定义ListView仿IOS阻尼效果
- Ubuntu 和NVIDIA显卡的兼容问题解决
- Kylin中cube优化
- LeeCode(C++):买卖股票的最佳时机
- 谷粒微博学习笔记一:Utilsconstants
- 依赖倒置、控制反转、依赖注入
- Spring(MVC)框架
热门文章
- 洛谷 P2983 [USACO10FEB]购买巧克力Chocolate Buying
- vuescan for linux v8.3.39(转)
- 变压器空载合闸matlab,基于MATLAB的变压器空载合闸时励磁涌流仿真分析
- PD快充协议诱骗芯片XSP01 支持 iPhone无线充电9V或12V
- 易康(eCognition)图像分块方法
- 科技创新催生新动能,“云游戏+”打通数字经济任督二脉
- 《Computer Networks》Fifth Edition中文版笔记
- 新一代电商app移动框架_用于下一代弹性移动应用程序的安全,可靠的通信
- c语言日历时钟编程,用C语言编程,写一个日历
- Windows双系统共享应用软件的三种方法介绍