知识卡片

普通读书笔记卡 · 8194.a.1.b.1.a · 生成模型:未记录

配对测序分离背景差异

理解等级:中级

把同一人的肿瘤样本与正常样本比较,可以帮助区分背景遗传差异和肿瘤中获得的变化。分析先产生候选,再排除非特异差异,并对保留位点独立验证。配对比较提供参照,但不能仅凭统计差异就证明某个候选导致了肿瘤。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 信息革命对生物学研究的影响 从致癌基因走向配对基因组与可治疗性 · 查看原书依据

      接着,借助计算分析工具,研究人员排除了自然发生的和非肿瘤特异的单核苷酸多态性位点,最终确定了8个获得性体细胞突变,并对每一个突变位点进行了独立验证。他们在论文摘要的结尾重重驳斥了短视的基金审批人员:“通过研究,我们将全基因组测序技术发展成了一种无偏的癌症起始基因发现方法。这些在过往研究中被忽略的基因也可能成为靶向疗法的靶点。” dbGap [Internet]. Cancer Genome Atlas Research Network,

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》信息革命对生物学研究的影响,从致癌基因走向配对基因组与可治疗性(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section02.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:接着,借助计算分析工具,研究人员排除了自然发生的和非肿瘤特异的单核苷酸多态性位点,最终确定了8个获得性体细胞突变,并对每一个突变位点进行了独立验证。他们在论文摘要的结尾重重驳斥了短视的基金审批人员:“通过研究,我们将全基因组测序技术发展成了一种无偏的癌症起始基因发现方法。这些在过往研究中被忽略的基因也可能成为靶向疗法的靶点。” dbGap [Internet]. Cancer Genome Atlas Research Network,