CODEX: a normalization and copy number variation detection method for whole exome sequencing.
CODEX: a normalization and copy number variation detection method for whole exome sequencing.
复制标题
DOI：
10.1093/nar/gku1363
复制
发表时间：
2015-03-31
影响因子：
14.9
通讯作者：
Zhang NR
中科院分区：
文献类型：
--
作者：
Jiang Y;Oldridge DA;Diskin SJ;Zhang NR
DNA编码区的高通量测序已成为人类疾病研究中分析基因组变异的常用方法。拷贝数变异 (CNV) 是基因组变异的一种重要类型，但由于存在高水平的偏差和伪影，从外显子组测序中检测和表征 CNV 具有挑战性。我们提出了 CODEX，一种针对全外显子组测序数据的标准化和 CNV 调用程序。 CODEX 中的泊松潜在因子模型包括专门消除由于 GC 含量、外显子捕获和扩增效率以及潜在系统伪影造成的偏差的术语。 CODEX 还包括基于泊松似然的递归分割程序，可对基于计数的外显子组测序数据进行显式建模。将 CODEX 与千人基因组计划 HapMap 样本群体分析的现有方法进行比较，结果显示在三个基于微阵列的验证数据集上更加准确。我们进一步评估了 222 个具有匹配正常值的神经母细胞瘤样本的性能，并重点关注 ATRX 基因内经过充分研究的罕见体细胞 CNV。我们表明，与根据匹配的正常值对肿瘤进行标准化相比，CODEX 的跨样本标准化过程消除了更多的噪声，并且分割过程在检测具有嵌套结构的 CNV 方面表现良好。
High-throughput sequencing of DNA coding regions has become a common way of assaying genomic variation in the study of human diseases. Copy number variation (CNV) is an important type of genomic variation, but detecting and characterizing CNV from exome sequencing is challenging due to the high level of biases and artifacts. We propose CODEX, a normalization and CNV calling procedure for whole exome sequencing data. The Poisson latent factor model in CODEX includes terms that specifically remove biases due to GC content, exon capture and amplification efficiency, and latent systemic artifacts. CODEX also includes a Poisson likelihood-based recursive segmentation procedure that explicitly models the count-based exome sequencing data. CODEX is compared to existing methods on a population analysis of HapMap samples from the 1000 Genomes Project, and shown to be more accurate on three microarray-based validation data sets. We further evaluate performance on 222 neuroblastoma samples with matched normals and focus on a well-studied rare somatic CNV within the ATRX gene. We show that the cross-sample normalization procedure of CODEX removes more noise than normalizing the tumor against the matched normal and that the segmentation procedure performs well in detecting CNVs with nested structures.
登录
查看更多内容
影响因子：
3
作者：
Amarasinghe KC;Li J;Halgamuge SK
通讯作者：
Halgamuge SK
影响因子：
5.8
作者：
Lee, Seonjoo;Chugh, Pauline E.;Dittmer, Dirk P.
通讯作者：
Dittmer, Dirk P.
影响因子：
3.7
作者：
Friguet, Chloe;Kloareg, Maela;Causeur, David
通讯作者：
Causeur, David
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
9.8
作者：
Fromer, Menachem;Moran, Jennifer L.;Purcell, Shaun M.
通讯作者：
Purcell, Shaun M.