Welcome to Our Website

Határok Onkológiai

Bevezető

az új generációs szekvenáló (NGS) rohamosan bővült a klinikai környezetben haemato-onkológiai, illetve onkológiai, mivel lehet, hogy nagy haszonnal jár a diagnózis, a kiválasztás, a kezelés és/vagy prognostication sok betegek (1)., A közelmúltban számos cikket tettek közzé a klinikai onkológiában a mély célzott NGS validációjáról (2, 3), beleértve a molekuláris patológiai Egyesület és az amerikai patológusok Kollégiumának átfogó ajánlását (1). A célzott NGS-módszerek szabványosításának hiánya azonban továbbra is korlátozza azok végrehajtását a klinikai gyakorlatban (4).

az egyik kihívás különösen az alacsony variáns allélfrekvenciákon (VAF) jelen lévő mutációk helyes kimutatása és a szekvenálási lefedettség mélységének szabványosítása (1, 5, 6)., Ez különösen fontos a szubklonális frekvenciákon (1) klinikai hatással rendelkező mutációk esetében, mint például a TP53 génmutációk (tp53mut) esetében a krónikus limfocitikus leukémiában (CLL) (7, 8). A TP53 aberrációk (TP53mut és/vagy kromoszóma 17P deléció) a CLL (9) kezelési döntéseit meghatározó legerősebb prognosztikai és prediktív markerek közé tartoznak., Napjainkban a krónikus limfocitikus leukémia Európai Kutatási kezdeményezése (ERIC) azt javasolja, hogy a tp53mut-ot legalább 10% VAF (10) kimutatási határértékkel (lod) detektálják, és egyre több bizonyíték áll rendelkezésre a kis TP53 mutált alklonok klinikai hatásának szentelt CLL-ben (7, 8).

a Sanger szekvenálás és a mélyreható célzott NGS jelenleg a tp53mut analízis (10), valamint más, alacsony allélfrekvenciájú klinikai hatásokkal rendelkező gének elemzésére használt technikák., Bár a Sanger szekvenálás viszonylag hozzáférhető szekvenálási megközelítést biztosít, hiányzik az alklonok észleléséhez szükséges érzékenység a mutált allélok 10-20% – ának (10) kimutatási határa miatt. Az NGS-alapú analízis így kiemelt szerepet kapott a szomatikus változatok kimutatására szolgáló diagnosztikai laboratóriumokban, valamint a hibajavítási stratégiák különböző technikai fejlesztéseit-mind számítási, mind kísérleti-fejlesztik az alacsony szintű genetikai variációk pontos azonosítására (11)., Ezért foglalkozunk a szekvenálási mélység helyes meghatározásának fontosságával a diagnosztikai NGS-ben annak érdekében, hogy magabiztos és reprodukálható detektálást érjünk el, nem csak az alacsony VAF variánsok esetében. Végül elvégeztünk egy hígítási kísérletet, hogy megerősítsük elméleti számításainkat, majd a TP53MUT diagnosztikai detektálásával kapcsolatos tapasztalatainkat CLL-es betegekben, valamint az NGS szabványosításával kapcsolatos további perspektívákat a rákdiagnosztikában.,

NGS Szekvenálás Mélység Hibaarány

NGS szekvenálás mélység közvetlenül érinti a reprodukálhatóság a változat érzékelés: a magasabb számú igazított sorrendben olvassa, annál nagyobb a bizalom, hogy a bázis hívás egy adott helyzetben, függetlenül attól, hogy a bázis hívja ugyanaz, mint a referencia-bázis, vagy mutáns (1). Más szavakkal, az egyéni szekvenálási hiba olvasása statisztikailag irreleváns, ha a helyes olvasás meghaladja őket., Így a kívánt lefedettségi mélységet a tervezett LOD, a hamis pozitív vagy hamis negatív eredmények tűrése, valamint a szekvenálás hibaaránya (1, 11) alapján kell meghatározni.

binomiális eloszlás alkalmazásával kiszámítható a hamis pozitív és hamis negatív eredmények valószínűsége egy adott hibaarány, valamint a tervezett LOD esetében, és becsülhető egy adott mélységet igénylő változat küszöbértéke (1)., Például 1% – os szekvenálási hibaarány, 10% – os mutáns allélterhelés és 250-es lefedettség mélysége alapján a 9 vagy annál kevesebb mutált olvasás észlelésének valószínűsége a binomiális eloszlás szerint 0,01%. Ezért a 10 vagy több mutált olvasás észlelésének valószínűsége 99,99% (100-0, 01%), és meghatározható a variánshívás küszöbértéke. Más szóval, a lefedettség mélysége 250 a küszöb legalább 10 mutált olvasás lesz a 99.,99% annak a valószínűsége, hogy a mutáns allélterhelés 10% – át nem hagyja ki a variánshívás (bár más arányban kimutatható). Ily módon a hamis negatív eredmény kockázata nagymértékben minimálisra csökken. Másrészt a hamis pozitívok valószínűsége nagymértékben függ a szekvenálási hiba sebességétől (mivel az összes analitikai mérés pontossága a jel-zaj aránytól függ) (1, 11). Példánkban a hamis pozitív eredmény valószínűsége 0,025%; azonban a hamis pozitívok aránya nem elhanyagolható, ha a LOD-t a hibaarány közelében lévő értékre csökkenti., A hagyományos intrinsic NGS hibaarányok 0,1 és 1% között mozognak (Phred minőségi pontszám 20-30) (1, 11) a szekvenálási platformtól, a célrégiók GC-tartalmától (12) és a töredék hosszától függően, amint azt az Illumina párosított végszekvenálás (13) mutatja. Ezért a VAFs <2% változatok kimutatását a hamis pozitív eredmény nagy kockázata befolyásolja, függetlenül a lefedettség mélységétől., Fontos megemlíteni azt is, hogy a szekvenálási hibaarány csak a szekvenálás által előidézett hibákra vonatkozik, és nem foglalja magában a DNS-feldolgozás és a könyvtár előkészítése során bevezetett egyéb hibákat, különösen az amplifikációs lépések során, amelyek tovább növelik a hibaarányt (1, 11).

minimális szekvenálási lefedettség a klinikai beállításokban

jelenleg nincs egyetértés a klinikai környezetben a minimálisan szükséges lefedettséggel kapcsolatban az NGS által végzett mély célzott resequencing alkalmazásával, ezért minden laboratóriumnak meg kell határoznia saját paramétereit a megfelelő minőség elérése érdekében (1, 5)., A mai napig csak néhány tanulmány azt javasolta, hogy a minimális lefedettség kritériumai mély célzott NGS a klinikai onkológia: 500 mélység lefedettség, valamint egy LOD 5% – a (2), 300-500 mélysége fedezet nélkül dacolva a LOD (3), 250 mélység, valamint egy LOD 5% – os küszöb beállítása 1000 mélysége lefedettség szükséges esetekben heterogén változatok alacsony daganat cellularity minták (1), illetve 100 mélysége legalább 10 változat olvas egy LOD 10% – os (10)., A binominális adateloszlás szerint a 250-es lefedettségi mélységnek valóban elegendőnek kell lennie az 5% – os VAF kimutatására, a ≥5 értéket támogató variáns küszöbértékével (1.ábra). Másrészt az 100 lefedettségi mélységű NGS-elemzés, valamint az ERIC konzorcium által ajánlott legalább 10 variáns-támogató követelmény (10) 45% – os hamis negatív eredményt eredményezne a 10% – os LOD-val rendelkező minták esetében., Ezen elméleti számítások megerősítéséhez két független hígítási kísérletet végeztünk a TP53 NGS analízis teljesítményének becslésére, hogy 10% VAF-ot észleljünk 100 olvasás mélységben. Valójában a hamis negatívok 30%-át (7 valódi pozitív mintából 5 pozitív mintát, 13 valódi pozitív mintából 9 pozitív mintát) észleltük két független szekvenálási folyamatban. Sajnos a hamis negatív arányt gyakran alábecsülik a célzott újraszabályozásban., Is, egy friss tanulmány vizsgáló laboratóriumok eredményei szomatikus változat érzékelés a VAFs között 15, 50% 111 laboratóriumban jelentett LODs az 5-15% (6) azt mutatja, hogy jelentős hibát a diagnosztikai NGS merülhet fel a hamis negatív eredményt, még a minták magas mutáció terhelés (6). Három egyidejű hamis pozitív eredmény közül az összes változatot helyesen detektálták, de rosszul jellemezték (6)., Mivel a laboratóriumokat nem kérték fel arra, hogy jelentsék a lefedettség mélységét más régiókban, mint az azonosított változatok (6), csak azt feltételezhetjük, hogy az alacsony lefedettség vagy a magas variánshívási küszöbértékek hozzájárultak a hamis negatív eredményekhez. Ezek az eredmények arra is rávilágítanak, hogy szükség van a szabványosított lefedettség mélység paraméterek diagnosztikai NGS, figyelembe véve a szekvenálási hibák, valamint a vizsgálati-specifikus hibák.

1. ábra

1. ábra. LOD függvényében lefedettség mélység szerint a binomiális eloszlás., Lefedettségi mélység fenntartásához szükséges tervezett LOD (belül 3-20% VAF tartományban) három kumulatív valószínűségi beállítások: hamis pozitív valószínűsége 0,001 és valódi pozitív 0,999, LOD 20% érhető el 61 lefedettség mélység, LOD 10% 175, a LOD 5% 562, és a LOD 3% 1,650. A 0,010-es hamis pozitív valószínűség, a 0,990-es valódi pozitív pedig 20% – os lod érhető el 31-nél, 10% – os LOD 81-nél, 5% – os LOD 288-nál, 3% – os LOD pedig 886-os lefedettségi mélységben. A hamis pozitív valószínűsége 0,050, a valódi pozitív 0.,950, 20% – os LOD érhető el 30-nál, 10% – os LOD 30-nál, 5% – os LOD 124-nél, 3% – os LOD pedig 392 lefedettségi mélységben.

Gyakorisága TP53 Subclonal Mutációk CLL Észlelt Keresztül Diagnosztikai NGS

annak érdekében, hogy értékelje az előfordulása alacsony VAF valós világ beállítások, megnéztük a kohorsz CLL betegek megvizsgálta a TP53mut a diagnosztikai laboratórium. A tp53mut-ot a korábban jelentett értékeknek megfelelően értékelték (14, 15). Röviden, TP53 (exons 2-10 beleértve 2 bp intronic átfedés, 5′ és 3 ‘ UTR) elemeztük segítségével 100 ng gDNA per reakció., Az Amplicon-alapú könyvtárakat a MiSeq (2×151, Illumina) páros végeként szekvenálták, minimális cél olvasási mélysége 5000 x. a TP53mut LOD-ját 1% – ra állították be, az 1-3% tartományban lévő változatokat pedig replikációval erősítették meg. A Helsinki Nyilatkozatnak megfelelően beiratkozott betegek írásbeli beleegyezését kapták, a tanulmányt a helyi Etikai Bizottság hagyta jóvá.

a 859 CLL-es beteg diagnosztikai kohorszának (2016.április–2019. április) 25% – a (215/859) pozitív volt a TP53mut esetében, és ezek közül 52,6% (113/215) 10% – os vagy annál alacsonyabb VAF-os variánsokat szállított., Megfigyeléseinkkel összhangban egy nemrégiben készült tanulmány (8) 63, illetve 84% – os alacsony teher (Sanger negatív) TP53MUT jelenlétéről számolt be CLL-ben szenvedő betegeknél a diagnózis idején, illetve a kezelés idején, és megerősítette a TP53 teljes túlélésére gyakorolt negatív hatást a kezelés idején 1% VAF felett (8).,

Számológép Diagnosztikai NGS Beállítások Észlelése Subclonal Mutációk

ahhoz, Hogy segítse a laboratóriumok a meghatározása a minimális megfelelő lefedettség paraméterek, mi biztosítunk egy egyszerű, felhasználóbarát elméleti számológép (szoftver) alapján a binomiális eloszlás (2. Ábra), le a Kiegészítő Fájl. Egy webes (vagy asztali) alkalmazás és önálló forráskódok R-ben elérhetők a Githubon: https://github.com/mvasinek/olgen-coverage-limit., A számológép segítségével könnyen meghatározhatók a szekvenálási mélység megfelelő paraméterei, valamint az adott szekvenálási hibaarány és a tervezett lod megfelelő minimális variánsszáma. Ezenkívül a felhasználók más hibákat is figyelembe vehetnek azáltal, hogy egyszerűen hozzáadják a tesztspecifikus hibákat a szekvenálási hibaarányhoz, és ezt az általános hibát használják a számológép bemeneteként. Például a TP53 mutációs analízis esetében ~1,16% – os általános hibával számítottuk ki, így a minimális lefedettségi mélységi követelményeket 2000-re állítottuk be, minimális küszöbértékkel 40 olvasás 3% VAF esetén.,

2. ábra

2.ábra. OLGEN Coverage Limit calculator-egy egyszerű elméleti számológép, amely alkalmas a helyes szekvenálási mélység meghatározására, valamint a megfelelő minimális variánsszám meghatározására a binomiális eloszlás szerint, egy adott szekvenálási hibaarányhoz, és a diagnosztikai NGS-hez ajánlott lod. Példák a számított szekvenálási mélységekre és az a) 10% VAF-os és 99,9% – os detektálási valószínűségű variánsokra javasolt megfelelő minimális számú variánsra, valamint B) 3% VAF-re és 99,9% – os detektálási valószínűségre.,

a Vita

Bár diagnosztikai NGS szerzett előtérbe, a klinikai beállítások értékeléséhez szomatikus mutációk rák, elégtelen szabványügyi a szekvenálás paraméterek még mindig korlátozza a végrehajtást, a klinikai gyakorlatban (1), elsősorban a változatok jelenlegi alacsony allél gyakorisága (4). Ezért foglalkozott a technikai kérdés helyesen meghatározó a sorozatot, mélység diagnosztikai NGS annak érdekében, hogy magabiztos, reprodukálható észlelések alacsony VAF változatok., Különösen elméleti számításokat végeztünk annak érdekében, hogy meghatározzuk a lefedettség optimális mélységét az alacsony allélfrekvenciájú változatok észlelésének kívánt valószínűségére, figyelembe véve a szekvenálási hibaarányt. Ezen túlmenően ezeket az elméleti számításokat hígítási kísérletek elvégzésével erősítettük meg. Ezen megfigyelések alapján azt javasoljuk, hogy a lefedettség mélysége 1,650 vagy magasabb (a megfelelő küszöbértékkel együtt legalább 30 mutált olvasás), hogy ≥3% variánsokat hívjunk fel a variáns detektálás 99,9% – os valószínűségének eléréséhez, csak a hagyományos NGS szekvenálási hiba alkalmazásával., Az 1-3% VAF tartományban lévő változatok csak akkor hívhatók meg, ha a kapott szekvenciaadatok kiváló minőségűek (átlagos Q30 > 90%) és/vagy ha a változatokat replikációval vagy ortogonális módszerrel (1, 11, 16) megerősítik. Egy egyszerű, felhasználóbarát elméleti számológépet (szoftvert) is biztosítunk, amely segít a laboratóriumoknak a megfelelő szekvenálási mélység megoldásában, valamint a megfelelő minimális számú variáns olvasásában, figyelembe véve a szekvenálási hibaarányt. Az egyszerű számológép segíthet minimalizálni a hamis pozitív, hamis negatív eredményeket diagnosztikai NGS.,

mindazonáltal a helyes szekvenálási mélységet a vizsgálatspecifikus tényezők is befolyásolják (1). A DNS-feldolgozás és a könyvtárkészítés során számos szakaszban előfordulhatnak hibák. A leggyakoribbak az NGS könyvtár előkészítése során bevezetett erősítési hibák (1, 12, 17). A hibák egyéb gyakori forrása a könyvtári komplexitás (az elemzett független DNS-molekulák száma), a DNS minősége, a célrégió összetettsége stb. Minden lehetséges tesztspecifikus hibát teszttervezéssel, módszerellenőrzéssel és minőségellenőrzéssel kell orvosolni.,

jelenleg kialakulóban vannak a hibajavítási stratégiák, mind számítási, mind kísérleti jellegűek, hogy enyhítsék a diagnosztikai NGS (11) magas hibaarányait. Eddig a legígéretesebb hibajavítási módszerek közé tartozik az UMI (egyedi molekuláris azonosítók), amelyek korrigálják a PCR hibákat (18), valamint a jel-zaj korrekciós megközelítések (11). Ezek az előrelépések megpróbálják csökkenteni a LOD-t, ezáltal növelve az NGS diagnózis jövőbeli lehetőségeihez szükséges szekvenálási pontosságot.,

a diagnosztikai NGS szabványosításának javítása érdekében a helyes lefedettségi mélység becslése ajánlott kiindulási pont az adott NGS-vizsgálatot körülvevő küszöbértékek értékelésekor. Mindazonáltal továbbra sem áll rendelkezésre a minimális műszaki követelményekre és az NGS-ben való jelentésére vonatkozó, közzétett útmutatás, ami különösen fontos a rákdiagnosztika klonális és szubklonális mutációinak kimutatásában., Ez elsősorban a könyvtár-előkészítési megközelítések széles skálájának, valamint számos változónak köszönhető, amelyek szerepet játszanak az egyes NGS-vizsgálatokban, amelyeket nehéz szabványosítani, a laboratóriumok közötti változékonysággal együtt. Ezért nagyon kívánatos a minimális műszaki követelmények meghatározása és az NGS-ben történő jelentése., Tapasztalataink alapján a diagnosztikai NGS a haemato-onkológiai, javasoljuk, hogy a jelentés legalább az alábbi műszaki paraméterek: LOD, általános hiba NGS assay (vagy legalább szekvenálás hibaarány), a mennyiségű DNS-bemenet, forrás, minőségét, DNS, minimális lefedettség mélység, valamint a százalékos célzott bázisok szekvenált ez a minimális mélység, teljes számú célpont olvassa kiterjedő változata régió száma olvassa támogató változata. Különös hangsúlyt kell fektetni a formalin-fix paraffin-beágyazott (FFPE) minták NGS szabványosítására (19, 20).,

együttesen tanulmányunk rávilágít a helyes szekvenálási mélység fontosságára, valamint a minimális számú olvasásra, amely az alacsony VAF-os változatok megbízható és reprodukálható felismeréséhez szükséges a diagnosztikai NGS-ben. Egy adott hibaarány helyes szekvenálási mélységének kiszámítása felhasználóbarát elméleti számológépünk (szoftver) segítségével segíthet minimalizálni a hamis pozitív és hamis negatív eredményeket a diagnosztikai NGS-ben, többek között a szubklonális mutációkhoz kapcsolódó helyzetekben., A diagnosztikai ng-kre vonatkozó szigorú vizsgálati és szabványosított minimumkövetelmények különösen kívánatosak a helyes eredmények biztosítása érdekében a klinikai beállításokban.

rendelkezésre álló adatok

a tanulmányhoz létrehozott adatkészletek ésszerű kérésre elérhetők a megfelelő szerző számára.

szerző

AP és EK tervezték a tanulmányt, értelmezték az eredményeket, és megírták a kéziratot. Az AP, az LS, a TD és a PS NGS elemzést végzett. A TP összegyűjtötte a betegmintákat és a klinikai adatokat. Az MV bioinformatikai elemzést végzett, majd megírta a számológép kódját. TN készített webes alkalmazás., Minden szerző elolvasta és jóváhagyta a kézirat végleges változatát.

finanszírozás

Támogatási támogatás: MZ CR VES16-32339a, részben az MH CZ—DRO (FNOL, 00098892).

összeférhetetlenségi nyilatkozat

a szerzők kijelentik, hogy a kutatást olyan kereskedelmi vagy pénzügyi kapcsolatok hiányában végezték, amelyek potenciális összeférhetetlenségnek tekinthetők.

elismerések

elnézést kérünk a sok szerzőtől, akiknek cikkeit a referenciakorlátok miatt nem lehetett idézni.,

Supplementary Material

1. Jennings LJ, Arcila ME, Corless C, Kamel-Reid S, Lubin IM, Pfeifer J, et al. Guidelines for validation of next-generation sequencing-based oncology panels: a joint consensus recommendation of the Association for Molecular Pathology and College of American Pathologists. J Mol Diagn. (2017) 19:341–65. doi: 10.1016/j.jmoldx.2017.01.011

PubMed Abstract | CrossRef Full Text | Google Scholar

2., D’Haene N, Le Mercier M, De Neve N, Blanchard O, Delaunoy M, El Housni H, et al. Clinical validation of targeted next generation sequencing for Colon and Lung cancers. PLoS ONE. (2015) 10:e0138245. doi: 10.1371/journal.pone.0138245

PubMed Abstract | CrossRef Full Text | Google Scholar

3. Deans ZC, Costa JL, Cree I, Dequeker E, Edsjo A, Henderson S, et al., Integration of next-generation sequencing in clinical diagnostic molecular pathology laboratories for analysis of solid tumours; an expert opinion on behalf of IQN path ASBL. Virchows Arch. (2017) 470:5–20. doi: 10.1007/s00428-016-2025-7

PubMed Abstract | CrossRef Full Text | Google Scholar

4. Ivanov M, Laktionov K, Breder V, Chernenko P, Novikova E, Telysheva E, et al., A klinikai onkológiára vonatkozó FFPE-minták következő generációs szekvenálásának szabványosítása felé: belső akadályok és lehetséges megoldások. J Transl Med. (2017) 15:22. doi: 10.1186 / s12967-017-1125-8

PubMed Abstract | CrossRef Full Text | Google Scholar

5. Bacher U, Shumilov e, Flach J, Porret N, Joncourt R, Wiedemann G, et al. Kihívások a következő generációs szekvenálás (NGS) bevezetésében a myeloid malignus betegségek diagnosztizálására a klinikai rutin alkalmazásba. Vérrák J. (2018) 8:113. doi: 10.,1038 / s41408-018-0148-6

PubMed Abstract | CrossRef Full Text | Google Scholar

6. Merker JD, Devereaux K, Iafrate AJ, Kamel-Reid S, Kim AS, Moncur JT, et al. A szabványosított minták jártassági vizsgálata nagyon magas interlaborációs megállapodást mutat a klinikai következő generációs szekvenáláson alapuló onkológiai vizsgálatokra Arch Pathol Lab med. (2019) 143:463–71. doi: 10.5858 / arpa.,2018-0336-CP

PubMed Abstract | CrossRef Full Text | Google Scholar

8. Brieghel C, Kinalis S, Yde CW, Schmidt AY, Jonson L, Andersen MA, et al. Deep targeted sequencing of TP53 in chronic lymphocytic leukemia: clinical impact at diagnosis and at time of treatment. Haematologica. (2019) 104:789–96. doi: 10.3324/haematol.2018.195818

PubMed Abstract | CrossRef Full Text | Google Scholar

9., Campo E, Cymbalista F, Ghia P, Jager U, Pospisilova S, Rosenquist R, et al. TP53 aberrations in chronic lymphocytic leukemia: an overview of the clinical implications of improved diagnostics. Haematologica. (2018) 103:1956–68. doi: 10.3324/haematol.2018.187583

PubMed Abstract | CrossRef Full Text | Google Scholar

10. Malcikova J, Tausch E, Rossi D, Sutton LA, Soussi T, Zenz T, et al., ERIC recommendations for TP53 mutation analysis in chronic lymphocytic leukemia-update on methodological approaches and results interpretation. Leukemia. (2018) 32:1070–80. doi: 10.1038/s41375-017-0007-7

PubMed Abstract | CrossRef Full Text | Google Scholar

11. Salk JJ, Schmitt MW, Loeb LA. Enhancing the accuracy of next-generation sequencing for detecting rare and subclonal mutations. Nat Rev Genet. (2018) 19:269–85. doi: 10.1038/nrg.2017.,117

PubMed Abstract | CrossRef Full Text | Google Scholar

12. Quail MA, Smith M, Coupland P, Otto TD, Harris SR, Connor TR, et al. A tale of three next generation sequencing platforms: comparison of Ion Torrent, Pacific Biosciences and Illumina MiSeq sequencers. BMC Genomics. (2012) 13:341. doi: 10.1186/1471-2164-13-341

PubMed Abstract | CrossRef Full Text | Google Scholar

14., Obr A, Prochazka V, Jirkuvova A, Urbankova H, Kriegova E, Schneiderova P, et al. TP53 mutation and complex karyotype portends a dismal prognosis in patients with mantle cell lymphoma. Clin Lymphoma Myeloma Leuk. (2018) 18:762–8. doi: 10.1016/j.clml.2018.07.282

PubMed Abstract | CrossRef Full Text | Google Scholar

15. Turcsanyi P, Kriegova E, Kudelka M, Radvansky M, Kruzova L, Urbanova R, et al., A krónikus lymphocytás leukémiában szenvedő betegek kockázati rétegződésének javítása többváltozós beteg hasonlósági hálózatok segítségével. Leuk Res (2019) 79:60-8. doi: 10.1016 / j.leukres.2019.02.005

PubMed Abstract | CrossRef teljes szöveg / Google Scholar

18. Smith T, Heger A, Sudbery I. UMI-tools: szekvenálási hibák modellezése egyedi molekuláris Azonosítókban a mennyiségi meghatározás pontosságának javítása érdekében. Genom Res. (2017) 27:491-9. doi: 10.1101 / gr.209601.,116

PubMed Abstract | CrossRef Full Text | Google Scholar

Vélemény, hozzászólás?

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöltük