威九国际

        发布于2017.6.15。融合基因在癌症发病机理中扮演着重要的作用。融合基因是一种肿瘤特异性的生物标记，在健康人群中十分罕见。因此，融合基因很有可能应用在早期诊断中，如药物靶点、肿瘤抗原等。而致癌融合的检测能够促进开发靶向治疗并拓展癌症生物学基础。随着二代测序技术的发展，大量的融合基因在DNA测序和RNA-Seq中发现。然而，目前对肿瘤RNA-seq数据中的融合基因准确且特异性检测算法还处于缺失状态。

        在这个研究中，研究者们创建了一种新的统计算法，称为MACHETE (Mismatched Alignment CHimEraTracking Engine)，它对RNA-seq数据中的融合基因检测具有高度敏感性和特异性。

MACHETE工作流程

        例如，在模拟的数据评估结果中，MACHETE与当前先进的算法相比有更高的阳性预测值。研究表明，在已经公布的算法中，表现最好的算法要么在阴性对照数据中找到大量的融合基因，要么低敏感性的检测那些以黄金准则设定的已知驱动融合（如：EWSR1-FLI1）。此外，为了证实MACHETE在体内检测新型融合基因的高敏感度，研究者们采用已公开的数据发现了那些被其他算法忽略的卵巢癌细胞系OVCAR3中的新型融合基因并用PCR加以验证。

MACHETE 、 SOAPfuse、EricScript 、STAR-Fusion四种融合基因软件比较

        这些结果突显了将统计模型引入融合检测对准确度带来的提升，并为无偏发现早期肿瘤中的驱动融合基因和药物靶点融合基因铺平道路。

        值得一提的是，在本文中，MACHETE与威九国际之前报道过的STAR-Fusion的阳性预测值和敏感度相近，但MACHETE具有更低的假阳性率，特异性也更佳。STAR-Fusio报道链接：

http://www.zjjdf.com/new/56563289.html

        参考文献：Statistical algorithms improve accuracy of gene fusion detection. Nucleic Acids Res. DOI:http://doi.org/10.1093/nar/gkx453