DeCAF：一种识别细胞类型特异性调控变异及其在癌症风险中作用的新方法

DeCAF: a novel method to identify cell-type specific regulatory variants and their role in cancer risk

作者信息Cynthia A Kalita, Alexander Gusev

PMID35804456

期刊Genome Biol

发布时间2022-07-08

DOI10.1186/s13059-022-02708-9

来源查看原文

实验完整度

中

包含模拟实验评估统计效力、TCGA肾癌RNA-seq应用、外部数据重复及GWAS富集分析，但未涉及湿实验功能验证。

主要模型

TCGA肾透明细胞癌（KIRC）肿瘤组织 TCGA肾透明细胞癌（KIRC）正常肾组织 GTEx正常组织（全血、淋巴母细胞、成纤维细胞、肾、乳腺） BLUEPRINT纯化免疫细胞

重点核对

TCGA KIRC 503例肿瘤样本的RNA-seq和基因型数据 xCell和TIMER反卷积细胞分数肿瘤纯度种系SNP（MAF>1%）杂合子个体等位基因读段计数

摘要

在这里，我们提出了DeCAF（DEconvoluted cell type Allele specific Function），一种通过利用等位基因和总表达信息来识别肿瘤中细胞分数（cf）QTL的新方法。将DeCAF应用于TCGA的RNA-seq数据，我们在14种细胞类型中鉴定了3664个具有cfQTL（10% FDR）的基因，比传统的交互eQTL定位发现增加了5.63倍。cfQTL在外部细胞类型特异性eQTL数据中的重复比传统eQTL更富集于癌症风险。我们的新方法DeCAF能够在中等规模的研究中从bulk RNA-seq数据中发现具有生物学意义的cfQTL。

DeCAF方法的开发与模拟评估

评估DeCAF与传统ieQTL方法在不同条件下的统计效力，并验证其校准性。

在模拟数据中比较了DeCAF、交互eQTL和交互AI测试，模拟了等位基因效应大小、MAF、测序深度、CNV、个体数和读段过度离散等条件，并使用了真实TIMER细胞分数。

TCGA肾癌数据中cfQTL和tsQTL的发现

在真实肿瘤数据中应用DeCAF，识别细胞类型特异性和肿瘤特异性QTL。

对503例TCGA肾癌肿瘤样本的RNA-seq和基因型数据应用DeCAF，使用xCell和TIMER反卷积细胞分数及肿瘤纯度，进行了eQTL和AI检测，并通过Stouffer方法结合。

外部数据重复验证

评估DeCAF识别的cfQTL和tsQTL在独立数据集中的可重复性。

在GTEx和BLUEPRINT数据集中计算π1重复统计量。

GWAS富集分析

评估cfQTL和tsQTL在癌症GWAS变异中的富集程度。

使用Fisher精确检验和平均Z2方法，比较显著cfQTL与非显著背景在7种癌症GWAS和12种非癌症GWAS中的富集。

实验环节	名称	品牌	货号
反卷积	xCell	--	--
TIMER	--	--
等位基因特异性定量	WASP	--	--
GATK	--	--

实验环节

名称

品牌

货号

反卷积

等位基因特异性定量

环节	核对要点
数据获取与处理	TCGA KIRC样本的RNA-seq和基因型数据来源、WASP比对参数、GATK ASE定量流程阅读提示：Methods: Allele-specific quantification
反卷积	xCell和TIMER细胞分数版本、细胞类型选择标准阅读提示：Methods: Deconvoluted cell fractions in TCGA data
cfQTL发现	MAF阈值、cis-locus定义、交互模型公式、AI模型、CNV处理、Stouffer合并方法阅读提示：Methods: Statistical model to detect cfQTLs, Statistical model to account for tumor variation, cfQTL discovery
模拟评估	模拟参数（MAF、效应大小、测序深度、个体数、细胞分数分布）阅读提示：Methods: Simulation framework
重复验证	GTEx和BLUEPRINT数据集的版本、组织和样本数量、π1计算阈值阅读提示：Results: Replication of DeCAF cfQTLs in external studies
GWAS富集分析	GWAS数据集列表、显著性阈值、背景采样方法阅读提示：Methods: Testing for variant enrichment

环节

核对要点

数据获取与处理

TCGA KIRC样本的RNA-seq和基因型数据来源、WASP比对参数、GATK ASE定量流程

阅读提示：Methods: Allele-specific quantification

反卷积

xCell和TIMER细胞分数版本、细胞类型选择标准

阅读提示：Methods: Deconvoluted cell fractions in TCGA data

cfQTL发现

MAF阈值、cis-locus定义、交互模型公式、AI模型、CNV处理、Stouffer合并方法

阅读提示：Methods: Statistical model to detect cfQTLs, Statistical model to account for tumor variation, cfQTL discovery

模拟评估

模拟参数（MAF、效应大小、测序深度、个体数、细胞分数分布）

阅读提示：Methods: Simulation framework

重复验证

GTEx和BLUEPRINT数据集的版本、组织和样本数量、π1计算阈值

阅读提示：Results: Replication of DeCAF cfQTLs in external studies

GWAS富集分析

GWAS数据集列表、显著性阈值、背景采样方法

阅读提示：Methods: Testing for variant enrichment

大家都在搜

大家都在搜