Инструмент глубокого обучения использует секвенирование длинных прочтений для обнаружения мутаций в раковых клетках.

Автор: сотрудники Bio-IT World News

2 сентября 2026 г. | Анализ генетических изменений в раковых клетках может дать представление о том, как развиваются опухоли, и способствовать развитию персонализированной онкологии. Однако выявление мутаций, связанных с раком, может быть сложной задачей, особенно когда они встречаются с низкой частотой или в сложных участках генома. Секвенирование коротких прочтений может испытывать трудности с повторяющимися и труднокартируемыми участками, в то время как секвенирование длинных прочтений может помочь в решении этих проблем.

Исследователи из Гонконгского университета разработали ClairS — инструмент, предназначенный для обнаружения небольших генетических мутаций, связанных с раком, в данных секвенирования длинных прочтений. Команда обучила модель, используя синтетические данные, чтобы преодолеть ограниченную доступность высококачественных данных о соматических мутациях. Исследование, проведенное под руководством профессора Руибана Луо, заместителя директора (по вопросам обучения и повышения квалификации студентов) и заместителя руководителя кафедры искусственного интеллекта и науки о данных в Школе вычислительной техники и науки о данных, было опубликовано этим летом в журнале Nature Methods (DOI: 10.1038/s41592-026-03152-4).

Ранее команда разработала алгоритмы глубокого обучения для выявления вариантов зародышевой линии, но обнаружение соматических мутаций представляло собой другую проблему, поскольку высококачественные обучающие данные были дефицитны. ClairS решает эту проблему с помощью многоэтапного рабочего процесса, который сочетает фазирование с двумя нейронными сетями: моделью на основе анализа групп секвенированных прочтений в определенной геномной позиции и моделью полного выравнивания, которая более детально анализирует отдельные прочтения. Инструмент также использует информацию о предковых гаплотипах для выявления подтверждения более отдаленных вариантов на той же хромосоме.

Ключевой особенностью ClairS является стратегия обучения на синтетических данных. Вместо того чтобы полагаться на реальные образцы опухолей, исследователи сгенерировали синтетические образцы опухолей и нормальных тканей, используя реальные данные секвенирования. В качестве имитации соматических мутаций в различных уровнях ДНК опухоли, покрытия секвенирования и загрязнения нормальными клетками использовались варианты, присутствующие в одном образце, но отсутствующие в другом.

Они обнаружили, что тщательно разработанные синтетические данные, надежные обучающие метки и фазирование позволили ClairS делать точные прогнозы реальных соматических вариантов при различном покрытии секвенирования и чистоте опухолей, даже без использования реальных образцов опухолей во время обучения. Информация о гаплотипах из длинных прочтений также улучшила обнаружение низкочастотных вариантов.

По мере дальнейшего развития секвенирования длинных прочтений такие инструменты, как ClairS, могут помочь исследователям выявлять мутации раковых клеток, которые до сих пор было трудно обнаружить с помощью традиционных методов.

Чтобы узнать больше о технологии, ее ограничениях и потенциальных областях применения в исследованиях рака, прочтите полную статью Ирен Йе в Diagnostics World News.

Источник: www.bio-itworld.com