Biomics

Введение. Высокопроизводительное секвенирование ДНК в настоящее время является стандартной частью лечения онкологических заболеваний, как для диагностики лечения, так и на ранних стадиях скрининга. Среди методов секвенирования доминирует NGS, но он имеет ряд существенных недостатков. Развивающаяся технология нанопорового секвенирования, преодолевает все вышеперечисленные ограничения NGS. Точность такого секвенирования приблизилась к NGS, а сама технология более доступна в плане бюджета. Нанопоровое секвенирование уже нашло широкое применение в различных приложениях и имеется значительная перспектива его применения в анализе полиморфизмов для выявления генетических вариаций для диагностических и прогностических задач.

Цель исследования: на основе разработанных ампликонных панелей для детекции однонуклеотидных полиморфизмов на примере образцов ДНК лимфом провести исследование по оптимизации процесса амплификации, нанопорового секвенирования и анализа данных с применением отечественной реагентной базы и отечественного нанопорового секвенатора «Нанопорус Про».

Материалы и методы. Выделенная и очищенная с помощью спин-колонок ДНК из парафиновых срезов была амплифицирована при помощи подобранных праймеров (47 пар) в условиях 4-х сетового мультиплекса. Полученные библиотеки ДНК были секвенированы при помощи нанопорового секвенатора «Нанопорус Про».

Результаты и заключение. Были исследованы и оптимизированы условии мультиплексной ПЦР на основе нескольких вариантов отечественных ДНК полимераз. В ходе анализа полученных данных секвенирования было определено 45 из 47 референсных мишеней и получены высокоточные данные о наличии однонуклеотидных полиморфизмов в исследуемых точках вариаций. Таким образом, была показана высокая перспективность применения нанопорового секвенирования для мультиплексного анализа клинически-важных мутаций в участках генома раковых опухолей с использованием отечественной реагентики и оборудования.

нанопоровое секвенирование, NGS, однонуклеотидные полиморфизмы, лимфомы

1. Alduaij W, Collinge B, Ben-Neriah S et al. Molecular determinants of clinical outcomes in a real-world diffuse large B-cell lymphoma population. Blood. 2023. 141(20). 2493-2507. doi: 10.1182/blood.2022018248
2. Baslan T, Kovaka S, Sedlazeck FJ et al. High resolution copy number inference in cancer using short-molecule nanopore sequencing. Nucleic Acids Res. 2021. 49 (21). e124. doi: 10.1093/nar/gkab812
3. Chabon JJ, Hamilton EG, Kurtz DM et al. Integrating genomic features for non-invasive early lung cancer detection. Nature. 2020. 580(7802). 245–251. doi: 10.1038/s41586-020-2140-0
4. Cohen JD, Li L, Wang Y et al. Detection and localization of surgically resectable cancers with a multi-analyte blood test. Science. 2018. 359(6378). 926–930. doi: 10.1126/science.aar3247
5. Dowsett M, Sestak I, Lopez-Knowles E et al. Comparison of PAM50 risk of recurrence score with onco type DX and IHC4 for predicting risk of distant recurrence after endocrine therapy. J Clin Pathol. 2013. 31(22). 2783–2790. doi: 10.1200/JCO.2012.46.1558
6. Hall MB, Wick RR, Judd LM et al. Benchmarking reveals superiority of deep learning variant callers on bacterial nanopore sequence data. Elife. 2024. 10 (13). RP98300. doi: 10.7554/eLife.98300
7. Magi A, Semeraro R, Mingrino A et al. Nanopore sequencing data analysis: state of the art, applications and challenges. Brief Bioinform. 2018. 19(6). 1256-1272. doi: 10.1093/bib/bbx062
8. MacKenzie M, Argyropoulos C. An Introduction to Nanopore Sequencing: Past, Present, and Future Considerations. Micromachines (Basel). 14(2). 459. doi: 10.3390/mi14020459
9. Morin RD, Arthur SE, Hodson DJ. Molecular profiling in diffuse large B-cell lymphoma: why so many types of subtypes? Br J Haematol. 2022. 196(4). 814-829. doi: 10.1111/bjh.17811
10. Sanderson ND, Kapel N, Rodger G et al. Comparison of R9.4.1/Kit10 and R10/Kit12 Oxford Nanopore flowcells and chemistries in bacterial genome reconstruction. Microb Genom. 2023. 9(1). mgen000910. doi: 10.1099/mgen.0.000910
11. Satam H, Joshi K, Mangrolia U et al. Next-Generation Sequencing Technology: Current Trends and Advancements. Biology (Basel). 12(7). 997. doi: 10.3390/biology12070997
12. Simon R, Roychowdhury S. Implementing personalized cancer genomics in clinical trials. Nat Rev Drug Discov. 2013. 12(5). 358–369. doi: 10.1038/nrd3979
13. Steuer C., Ramalingam S. Tumor mutation burden: leading immunotherapy to the era of precision medicine. J Clin Oncol. 36(7). 631–632. doi: 10.1200/JCO.2017.76.8770
14. Tie J, Wang Y, Tomasetti C et al. Circulating tumor DNA analysis detects minimal residual disease and predicts recurrence in patients with stage II colon cancer. Sci Transl Med. 2016. 8(346). 346ra92. doi: 10.1126/scitranslmed.aaf6219