Benchmarking pipelines for subclonal deconvolution of bulk tumour sequencing data.
Benchmarking pipelines for subclonal deconvolution of bulk tumour sequencing data.
复制标题
DOI：
10.1038/s41467-021-26698-7
复制
发表时间：
2021-11-04
影响因子：
16.6
通讯作者：
Stead LF
中科院分区：
文献类型：
--
作者：
Tanner G;Westhead DR;Droop A;Stead LF
肿瘤内的异质性为肿瘤提供了适应和获得治疗耐药性的能力。因此，开发更有效和个性化的癌症治疗方法，需要准确地描述肿瘤的克隆结构，从而能够跟踪进化动态。有许多方法可以从大量的肿瘤测序数据中实现这一点，包括识别突变和执行亚克隆去卷积，但缺乏系统的基准来告知研究人员哪些是最准确的，以及数据集特征如何影响性能。为了解决这一问题，我们使用了可用于此类目的的最全面的肿瘤基因组模拟工具来创建80个不同深度、肿瘤复杂性和纯度的大宗肿瘤外显子组测序数据集，并使用这些数据集对亚克隆去卷积管道进行基准测试。我们的结论是：1)肿瘤的复杂性不影响准确性，2)增加纯度或纯度校正后的测序深度可以提高准确性，3)最佳的流水线由Mutect2、Facet和PyClone-VI组成。我们已经公开了我们的基准数据集，以供未来使用。癌症测序数据中的亚克隆去卷积是一项复杂的任务，使用的最佳工具尚不清楚。在这里，作者用一套全面的模拟肿瘤基因组对亚克隆去卷积管道进行了系统的基准测试，并确定了执行最好的方法。
Intratumour heterogeneity provides tumours with the ability to adapt and acquire treatment resistance. The development of more effective and personalised treatments for cancers, therefore, requires accurate characterisation of the clonal architecture of tumours, enabling evolutionary dynamics to be tracked. Many methods exist for achieving this from bulk tumour sequencing data, involving identifying mutations and performing subclonal deconvolution, but there is a lack of systematic benchmarking to inform researchers on which are most accurate, and how dataset characteristics impact performance. To address this, we use the most comprehensive tumour genome simulation tool available for such purposes to create 80 bulk tumour whole exome sequencing datasets of differing depths, tumour complexities, and purities, and use these to benchmark subclonal deconvolution pipelines. We conclude that i) tumour complexity does not impact accuracy, ii) increasing either purity or purity-corrected sequencing depth improves accuracy, and iii) the optimal pipeline consists of Mutect2, FACETS and PyClone-VI. We have made our benchmarking datasets publicly available for future use. Subclonal deconvolution in cancer sequencing data is a complex task, and the optimal tools to use are unclear. Here, the authors systematically benchmark subclonal deconvolution pipelines with a comprehensive set of simulated tumour genomes and identify the best-performing methods.
登录
查看更多内容
DOI：
10.1093/annonc/mdu479
发表时间：
2015-01
期刊：
Annals of oncology : official journal of the European Society for Medical Oncology
影响因子：
--
作者：
Favero F;Joshi T;Marquard AM;Birkbak NJ;Krzystanek M;Li Q;Szallasi Z;Eklund AC
通讯作者：
Eklund AC
影响因子：
16.6
作者：
Liu LY;Bhandari V;Salcedo A;Espiritu SMG;Morris QD;Kislinger T;Boutros PC
通讯作者：
Boutros PC
通过使用机器学习和种群遗传学对肿瘤的亚克隆重建。
影响因子：
30.8
作者：
Caravagna G;Heide T;Williams MJ;Zapata L;Nichol D;Chkhaidze K;Cross W;Cresswell GD;Werner B;Acar A;Chesler L;Barnes CP;Sanguinetti G;Graham TA;Sottoriva A
通讯作者：
Sottoriva A
影响因子：
7
作者：
Ha G;Roth A;Khattra J;Ho J;Yap D;Prentice LM;Melnyk N;McPherson A;Bashashati A;Laks E;Biele J;Ding J;Le A;Rosner J;Shumansky K;Marra MA;Gilks CB;Huntsman DG;McAlpine JN;Aparicio S;Shah SP
通讯作者：
Shah SP
影响因子：
12.3
作者：
Lee AY;Ewing AD;Ellrott K;Hu Y;Houlahan KE;Bare JC;Espiritu SMG;Huang V;Dang K;Chong Z;Caloian C;Yamaguchi TN;ICGC-TCGA DREAM Somatic Mutation Calling Challenge Participants;Kellen MR;Chen K;Norman TC;Friend SH;Guinney J;Stolovitzky G;Haussler D;Margolin AA;Stuart JM;Boutros PC
通讯作者：
Boutros PC