2023. 11. 20. 22:47ㆍ카테고리 없음
안녕하세요?
NV2NGN입니다.
이번 시간에는 차세대 시퀀싱(next-generation sequencing, NGS) 에서 종종 나타나는 위양성(False positives, 거짓 양성 즉 음성인데 양성으로 나타남)에 대해 생각해 보겠습니다.
NGS는 높은 처리량과 속도로 인해 게놈 연구에 혁명을 일으켰습니다. 그러나 어려움이 없는 것은 아닙니다. NGS의 중요한 문제 중 하나는 유전자 변이에 대한 잘못된 호출인 거짓 양성의 발생입니다.
왜 이런 현상이 나타날까요?
NGS의 거짓 양성은 시퀀싱 오류, 정렬 오류, 생물정보 처리 등 다양한 단계에서 발생할 수 있습니다.
예를 들면, 라이브러리 준비 또는 시퀀싱 프로세스 중에 시퀀싱 오류가 발생할 수 있습니다. 또한 리드(reads)가 참조 게놈에 잘못 매핑(mapping)되면 정렬 오류가 발생합니다. 생물정보학 처리 과정동안 변이 호출 단계에서 오류가 발생할 수도 있습니다.
거짓 양성의 존재는 샘플의 유전적 변이에 대해 잘못된 결론을 내릴 수 있으므로 매우 중요합니다. 이는 그러한 정보가 진단 또는 치료 결정을 내리는 데 사용되는 임상 환경에서 특히 중요합니다. 따라서 NGS 데이터의 정확성과 신뢰성을 보장하려면 거짓 양성을 이해하고 최소화하는 것이 필수적입니다.
따라서, NGS의 거짓 양성은 특히 정확한 결과가 중요한 임상 환경에서 극복해야 할 도전이라고 할 수 있습니다.
거짓 양성을 줄이기 위해 생각해 볼 수 있는 몇 가지 전략은 다음과 같습니다.
1.시퀀싱 전략 선택: 시퀀싱 전략의 선택은 변이 추출의 정확성에 큰 영향을 미칠 수 있습니다. 변이 검출을 위한 패널, 엑솜, 전체 게놈 시퀀싱의 상대적인 강점과 약점을 고려해야 합니다.
2. NGS read 정렬/전처리(Alignment/Preprocessing): 정확한 변이 호출(calling)을 위해서는 NGS 판독의 적절한 정렬 및 전처리가 중요합니다.
3. 다양한 변형 호출 Multiple Variant Calling 도구의 사용: 여러 변형 호출 도구를 사용하고 그 결과를 비교하면 거짓 양성을 식별하고 제거하는 데 도움이 될 수 있습니다.
4. 엄격한 필터링: 엄격한 필터링 전략은 거짓 양성을 제거하는 데 도움이 될 수 있습니다. 여기에는 품질 지표, 서열 가닥 편향 또는 기타 기준에 따라 오류가 있을 수 있는 변형을 제거하는 것이 포함됩니다.
5. 최적 표준 참조 데이터 세트를 사용한 벤치마킹: 최적의 표준 참조 데이터 세트를 사용하여 NGS 분석 파이프라인의 성능을 벤치마킹하면 개선 영역을 식별하고 거짓 양성을 줄이는 데 도움이 될 수 있습니다.
6. 예방 및 제거 전략: 핵산 오염 방지 및 오염 물질 제거 전략을 구현하면 거짓 양성을 줄이는 데 도움이 될 수 있습니다.
7. 유형별 PCR: 일부 연구자들은 긴 제어 영역 L1 및 E6/E7을 증폭하는 프라이머와 함께 유형별 PCR을 사용했습니다.
NGS의 정확성은 위험 요인에 대한 인식과 핵산 오염 예방을 위한 절차를 적절히 사용하는 것이 중요하며,
결과를 확인하려면 추가 방법을 사용하여 검증하는 것이 필요할 것입니다.