Perfilando Alterações no Número de Cópias (CNA) em Modelos Oncológicos Pré-clínicos

As alterações no número de cópias (CNAs) — incluindo aneuploidia ampla, eventos em braços cromossómicos e ampliações/deleções focais — são uma forma prática de quantificar a instabilidade genómica em modelos oncológicos pré-clínicos, como linhas celulares, materiais derivados de xenotransplantes/PDX e modelos engenheirados. Na descoberta de fármacos, o perfilamento de CNA é mais valioso quando é tratado como um controlo do ciclo de vida do modelo em vez de um "distintivo de caracterização" único. O panorama do número de cópias de um modelo pode mudar com a pressão de cultura, seleção clonal, histórico de passagem ou populações mistas—alterando o que você pensa que está a validar (por exemplo, se um gene alvo está realmente amplificado) e reduzindo a comparabilidade entre experimentos.

Encontrará: considerações específicas do modelo, resultados e entregas práticas, seleção de métodos (com compensações), estruturas de interpretação (ampla vs focal) e uma seção de QC/resolução de problemas com limiares e caminhos de correção.

1. Por que a Profilagem CNA é Importante na Oncologia Pré-clínica

1.1 A instabilidade genómica é uma característica de muitos modelos de cancro.

Muitos modelos de oncologia pré-clínica exibem instabilidade genómica contínua. Mesmo quando um modelo é inicialmente bem caracterizado, o panorama de número de cópias que você mede num determinado momento pode não corresponder ao panorama mais tarde—especialmente após passagens prolongadas, condições de cultura stressantes, gargalos ou pressões de seleção. Na prática, isso pode manifestar-se como:

• mudanças graduais na aneuploidia ampla e ganhos/perdas a nível de braço
• emergência/desaparecimento de picos focais
• aumento da heterogeneidade (vários estados subclonais) que torna a chamada menos estável

Uma implicação chave para as equipas de descoberta é que a comparabilidade entre experiências depende da comparabilidade do estado genómico subjacenteSe você realizar triagens, perturbações ou ensaios de mecanismos em diferentes lotes, deseja saber se ainda está a trabalhar "no mesmo modelo" ao nível da CNA.

1.2 O que as equipas precisam: caracterização de base + monitorização longitudinal

Uma estratégia CNA forte tem duas partes:

1. Linha de basecaracterizar um modelo recém-recebido ou recém-gerado antes de entrar em experimentação de alto valor.
2. Monitorização longitudinal: re-verificar em pontos de ciclo de vida previsíveis (por exemplo, após a expansão, após uma grande campanha experimental e antes/depois do armazenamento).

Isto transforma a profilagem CNA num sistema de qualidade para a integridade do modelo—alinhado com a forma como os programas pré-clínicos realmente operam.

Figura 1. Ciclo de Vida do Modelo para Monitorização de CNA (Baseline → Verificações de Desvio).
Legenda (o que procurar / decisão apoiada): Use o CNA para criar uma impressão digital de referência em recibo, depois verifique novamente depois pós-expansão, pós-campanha, e pré-banco marcos. Se o panorama do CNA divergir além dos critérios de aceitação do seu programa, trate-o como um potencial desvio do modelo e pause as comparações entre lotes até que a proveniência e a estabilidade sejam confirmadas.

1.3 Decisões chave que o CNA suporta: seleção de modelos, validação de alvos, verificações de desvio

Para leads de descoberta, a profilagem CNA frequentemente responde a três questões de alto risco:

A) Seleção de modelo:

• O modelo apresenta o fenótipo de número de cópias esperado em um modelo de contexto associado à linhagem em oncologia (RUO)?
• O modelo é excessivamente instável (ruído/heterogeneidade generalizada) a ponto de os ensaios subsequentes serem difíceis de interpretar?

B) Validação do alvo:

• Se você hipotetizar que um gene (por exemplo, um locus associado a um condutor) está amplificado, a CNA fornece suporte a nível de DNA além da evidência apenas de expressão.
• A CNA também ajuda a evitar a falsa confiança quando a expressão é elevada devido a efeitos regulatórios em vez de número de cópias.

C) Verificações de desvio:

• Está a comparar dois resultados experimentais que provêm de antecedentes genómicos genuinamente comparáveis?
• Se os resultados divergem, o modelo desviou-se no número de cópias em vez de (ou além de) na biologia que pretendia testar?

Suporte de serviço: As equipas frequentemente externalizam a caracterização de CNA ao estilo WGS de baixa passagem como um pipeline padronizado e relatório para caracterização de base e monitorização de desvios através de Fluxos de trabalho de sequenciação de CNV.

Início Rápido: Um Fluxo de Trabalho CNA em 5 Passos + Critérios de Aceitação

Este "esqueleto de cinco passos + critérios de aceitação" foi concebido para tornar o perfilamento de CNA operacional para o controlo do ciclo de vida de modelos pré-clínicos.

2. Tipos de Modelos e o que o CNA Pode Revelar

Diferentes tipos de modelos têm diferentes modos de falha e armadilhas de interpretação. Não existe um "único melhor método"; em vez disso, alinhe a escolha do ensaio e a interpretação com a forma como o modelo é criado e mantido.

2.1 Linhagens celulares: seleção clonal e deriva induzida pela cultura

As linhas celulares podem desviar ao longo do tempo devido a:

• gargalos durante o passagem ou clonagem de células únicas
• adaptação às condições culturais
• seleção sob pressão ou tensão composta
• contaminação cruzada (rara, mas catastrófica para a interpretação)

O que a CNA pode revelar em linhagens celulares

• padrões amplos de aneuploidia que afetam a dosagem global
• amplificações (ou deleções) focais que podem mudar com a seleção
• mudanças a nível de segmento que aparecem entre janelas de passagem

Dica prática: Trate "número de passagem" e "história da cultura" como metadados de primeira classe. Um relatório de CNA sem informações de passagem é difícil de usar para decisões longitudinais.

Se também precisar de autenticação juntamente com a monitorização CNA, execute a verificação de identidade baseada em STR em paralelo (além da CNA) utilizando um dedicado. fluxo de trabalho de identificação de linhas celulares.

2.2 PDX/xenotransplantes: considerações sobre misturas e CNAs amplas

Materiais derivados de xenotransplantes/PDX trazem complexidade adicional:

• misturas de subclones e alteração das proporções clonais
• mistura não-alvo variável dependendo do processamento e do material de origem
• sinais de número de cópias que podem ser suavizados ou diluídos por mistura

O que a CNA pode revelar em materiais de pesquisa derivados de xenotransplantes/PDX

• eventos robustos a nível de braço e amplos que persistem através da mistura
• mudanças significativas na dominância clonal ao longo do tempo
• transições em larga escala (por exemplo, eventos de multi-megabases) que refletem tendências de instabilidade genómica

Aviso importante: Populações mistas podem fazer com que os picos focais pareçam menores e menos estáveis. A interpretação deve enfatizar consistência entre réplicas/pontos de tempo e evitar a sobre-precisão.

2.3 Modelos engenheirados: confirmação de amplificações/deleções pretendidas (investigação)

Modelos engenheirados (por exemplo, editados ou baseados em transgenes) frequentemente necessitam de CNA para confirmar:

• eventos de ganho/perda de número de cópias pretendidos
• ausência de eventos imprevistos de grande escala introduzidos durante a engenharia
• estabilidade durante a expansão e o setor bancário

Uma vez que modelos engenheirados podem ser projetados para loci específicos, pode emparelhar a profilagem ampla de CNA com a confirmação direcionada (dependendo do design da edição e do tamanho do evento esperado).

3. Resultados Práticos: Como é um Bom Relatório de CNA

Um relatório de CNA é apenas tão útil quanto o seu entregáveis e interpretabilidadeAbaixo está uma lista prática de resultados que apoia tanto as equipas de descoberta como a reutilização interna de bioinformática.

3.1 Paisagem de CNA a nível de cromossoma (visão geral de ganhos/perdas)

No mínimo, deseja uma visão genómica abrangente que facilite a resposta a:

• onde estão os ganhos/perdas gerais?
• o padrão parece plausível (não dominado pelo ruído)?
• Existem eventos óbvios a nível de braço?

Figura 2. Saída do Paisagem de CNA em todo o Genoma (Mapa de Calor + Segmentos).
Legenda (o que procurar / decisão apoiada): Use este formato para comparar. linha de base vs mais tarde paisagens CNA lado a lado e gerar um "segmentos alterados" saída (caract/start/fim, estado base → estado posterior, genes afetados). Isso apoia diretamente o monitoramento de deriva e as decisões de comparabilidade entre lotes.

3.2 Foco a nível de genes: amplificações de oncogenes / perdas de genes supressores de tumores em modelos oncológicos

Um relatório sólido inclui tipicamente uma tabela focada em genes que mapeia segmentos a genes. Para uso em descoberta, a saída a nível de gene deve ser apresentada da seguinte forma:

• suportado por evidência de segmento (não apenas uma flutuação de um único recipiente)
• contextualizado pelos limites de resolução do ensaio (especialmente em cobertura rasa)
• acompanhados por bandeiras de confiança (por exemplo, pico focal vs fundo amplo; consistência de replicados)

Se o seu plano a montante exigir maior confiança em loci específicos, combine um rastreio amplo de CNA com um acompanhamento focado em loci através de sequenciação de regiões alvo, mantendo o acompanhamento restrito a locais críticos para a decisão.

3.3 Monitorização da estabilidade: comparar pontos temporais/lotes

Para decisões longitudinais, inclua comparações de pontos no tempo:

• linha de base vs passagem posterior
• lote A vs lote B
• pós-campanha vs stock acumulado

Entregas comparativas mínimas

• um gráfico de paisagem genómica lado a lado
• um resumo de concordância de segmento (por exemplo, percentagem do genoma em estado concordante)
• uma lista de "segmentos alterados" (chr/início/fim, estado antigo, novo estado, genes afetados)

4. Escolhas de Métodos para CNA Pré-clínica

A escolha do método deve ser guiada por tamanho do evento, resolução necessária, nível de misturae como irá utilizar o resultado ( triagem vs validação de alvo vs monitorização ).

4.1 Por que o WGS de baixa passagem é comumente utilizado para o perfilamento amplo de CNA

A sequenciação de genoma completo de baixo passagem (superficial) é amplamente utilizada para a caracterização de CNA porque:

• captura o genoma completo (não enviesado pela seleção de sondas)
• é amigável em termos de custo e rendimento para muitas amostras
• desempenha bem para amplo e a nível de braço Técnicos de Auxiliar de Enfermagem (TAE)
• produz leituras longitudinais consistentes quando padronizadas

Abordagens de WGS superficiais geralmente dependem de:

1. dividir o genoma em janelas fixas
2. contagem de leituras por bin
3. correção para viés de GC e mapeabilidade
4. segmentação para definir regiões de número de cópias igual

Um exemplo canónico de perfilagem de CNA de WGS superficial e a importância de excluir regiões genómicas problemáticas é descrito por Scheinin et al. (Genome Research, 2014). (DOI nas Referências)

Recurso interno: Um guia prático sobre o que o WGS superficial pode resolver a nível de gene versus cromossómico (RUO).

4.2 Quando aprofundar (eventos focais; rearranjos complexos)

Considere sequenciação mais profunda (ou ensaios complementares) quando precisar de:

• detecção fiável de pequenos eventos focais (particularmente perto do limite de resolução)
• melhor discriminação de padrões complexos
• evidência mais forte para conclusões específicas a nível de gene

Gatilhos comuns de "aprofundar" em programas de descoberta:

• a sua hipótese principal depende de uma amplificação/deleção focal em um locus
• a mistura/heterogeneidade comprime os sinais e você precisa de uma melhor relação sinal-ruído
• precisas de provas mais robustas a nível genético para pacotes de validação de alvos

Um caminho prático de escalonamento é uma triagem ampla → acompanhamento mais profundo ao nível necessário pela sua decisão usando sequenciação do exoma completo quando a confiança a nível de locus e o contexto mais amplo são ambos necessários.

4.3 Armadilhas comuns: pureza, mosaicismo, populações mistas

Três armadilhas frequentemente distorcem as chamadas do CNA:

Mistura / admixture:
Quando a amostra inclui ADN não alvo ou populações mistas, as alterações observadas na razão log2 comprimem-se em direção a zero. Isso pode fazer com que CNAs reais pareçam menores e aumentar a ambiguidade.

Mosaicismo / subclones:
Múltiplos estados subclonais podem produzir sinais intermédios que são difíceis de classificar como números inteiros discretos de cópias.

Viés de normalização:
O conteúdo de GC, a mapeabilidade e os artefatos da biblioteca podem criar ondas falsas que imitam CNAs.

As ferramentas e métodos modelam explicitamente alguns desses fatores—por exemplo, o ASCAT é frequentemente citado por modelagem de número de cópias específica de alelos em amostras de pesquisa derivadas de câncer, incluindo considerações de pureza/ploides.

5. Quadro de Interpretação

A interpretação é onde os resultados da CNA se tornam um suporte confiante para a validação de alvos — ou são sobreinterpretados. O objetivo é conectar as evidências da CNA à decisão que você precisa, respeitando os limites de resolução e os efeitos de mistura.

5.1 Confirmar a amplificação de um gene-alvo (o que conta como evidência de suporte)

Para a validação de alvos RUO, trate "amplificação" como um afirmação que requer múltiplos indícios de apoio:

Pacote mínimo de evidências para uma amplificação de gene-alvo (lista de verificação prática)

• o gene reside dentro de um segmento chamado acima da linha de base (não um pico de um único bin)
• o segmento é reproduzível entre réplicas ou consistente dentro de uma janela de ciclo de vida definida
• o locus não é apenas um subproduto do ganho de braço inteiro, a menos que isso ainda apoie a sua hipótese.
• o sinal é consistente com o comportamento do modelo esperado e os metadados de proveniência

Evidência de reforço opcional

• refinamento de locus mais profundo (se crítico para a decisão)
• confirmação ortogonal (por exemplo, ddPCR, painel direcionado) no contexto de RUO
• alinhamento com as tendências de expressão (mas não tratar a expressão como prova do número de cópias)

Se pretender contexto a nível de transcrição juntamente com CNA (RUO), execute a profilagem de expressão como um ensaio complementar utilizando RNA-Seq, mantendo a CNA como a evidência estrutural.

5.2 Distinguir aneuploidia ampla de amplificação focal

Esta é uma das interpretações erradas mais comuns: um gene parece "alto" porque todo o braço do cromossoma está ganho, não porque há um pico focal no gene.

Lógica ampla vs lógica focal

• Ganho amplo (a nível de braço): muitos genes no braço movem-se juntos; o perfil parece um amplo plateau.
• Amplificação focal: um pico estreito e afiado perto de um locus, frequentemente elevando-se acima do fundo local.

Figura 3. CNA Ampla vs Focal (Aumento de braço inteiro vs Pico focal de oncogene).
Legenda (o que procurar / decisão apoiada): A platô através de uma longa região apoia eventos amplos; um pico afiado centrado num locus suporta focalidade. Em populações mistas, picos focais podem parecer menores porque a mistura comprime as razões log2—por isso, é necessário consistência em réplicas e evitar a sobrechamada de picos limítrofes.

Quando a sua interpretação depende da focalidade, seja explícito sobre o que o ensaio pode resolver com as características de cobertura e biblioteca que escolheu. Algoritmos que separam o fundo a nível de braço de picos focais (conceitualmente, por exemplo, o pensamento ao estilo GISTIC) podem ajudar a estruturar a interpretação, mesmo quando o seu pipeline é diferente.

5.3 Quando o RNA apoia a história—e quando não apoia

O RNA pode suportar uma narrativa (por exemplo, um aumento no número de cópias tende a deslocar a expressão), mas também pode enganar:

• a expressão pode ser regulada independentemente do número de cópias
• efeitos de dosagem ampla podem aumentar muitos genes sem amplificação focal
• os efeitos de lote e as escolhas de normalização podem distorcer comparações

Use RNA como contexto, não como um substituto para CNA. Se os seus critérios internos de qualidade exigirem evidências ao nível do DNA (comum em pacotes de descoberta), a profilagem de CNA é o ensaio estruturalmente apropriado.

6. Começar: Que Informação Fornecer

Se quiser um relatório CNA que esteja pronto para decisão (não apenas um gráfico), forneça metadados suficientes e clareza no design para que o pipeline possa modelar o seu cenário corretamente.

6.1 Metadados do modelo: passagem, ponto temporal, tecido/origem

Fornecer:

• tipo de modelo (linha celular / xenotransplante / derivado de PDX / engenheirado)
• número de passagem ou histórico de expansão
• rótulos de pontos no tempo (linha de base vs mais tarde)
• notas de processamento (por exemplo, colónia única vs expansão em massa)
• quaisquer eventos esperados conhecidos (por exemplo, ganho suspeito a nível de braço)

6.2 Design de comparação: exposição base vs exposição composta / monitorização de perturbação vs monitorização de desvio

Defina o objetivo da comparação de forma explícita:

• Caracterização de base: impressão digital única para um novo ponto de entrada do modelo
• Monitorização de deriva: linha de base vs passagens ou lotes posteriores
• Contexto do estudo: se estiver envolvida uma exposição / perturbação composta, mantenha a monitorização de CNA focada em saber se o background genómico se manteve estável o suficiente para interpretar fenótipos a jusante.

Para desenhos longitudinais com muitas amostras, ensaios genómicos amplos são frequentemente a espinha dorsal—configurados como perfis de profundidade estilo WGS raso para paisagens de CNA usando sequenciação do genoma completo (configurado para atender às necessidades de monitorização do RUO CNA).

6.3 Resultados desejados: segmentos + lista de genes + ficheiros brutos para reutilização interna

Peça os entregáveis como um pacote que suporte a reutilização:

• Enredos: paisagem genómica abrangente; perfil por cromossoma; ampliações de região focal (se relevante)
• Mesas: tabela de segmentos; resumo de CNA a nível de gene com notas de confiança
• Ficheiros para reutilização: contagens agrupadas; razões log2 normalizadas; parâmetros de segmentação; construção do genoma de referência; regiões em lista negra/filtradas; versões de software
• Reproduzibilidade: um manifesto de execução (entradas, parâmetros, versões de ferramentas) para que as equipas internas possam reexecutar ou comparar ao longo do tempo

Recurso interno: Noções básicas de terminologia e métodos de CNV/CNA.

Estrutura de Decisão: Escolhendo a Estratégia CNA Certa

Utilize esta lista de verificação para alinhar a profundidade de ensaio e relatório à sua decisão de descoberta.

Quando a profilagem CNA WGS de baixa passagem é uma boa opção

• Você precisa paisagens CNA de nível amplo/armado em muitas amostras
• O seu objetivo é monitorização de linha de base + desvio
• Pode aceitar que as conclusões a nível genético podem estar limitadas a eventos focais maiores.
• Você prioriza a produtividade e a consistência longitudinal.

Uma implementação comum é a amostragem superficial de genomas em estilo "skim" para paisagens de CNA em grande escala através de sequenciação por skim.

Quando deve considerar ensaios mais profundos ou complementares

• A sua hipótese principal depende de focal pequeno eventos num locus próximo do limite de resolução
• A mistura/heterogeneidade comprime os sinais e você precisa de maior confiança.
• É necessário ter evidências mais robustas a nível genético para pacotes de validação de alvos.

Para a integração a nível de exoma em modelos de pesquisa humano/murino, considere sequenciação de DNA mais profunda com sequenciação do exoma completo humano/murino.

Quando abordagens baseadas em arrays ainda fazem sentido

Os arrays ainda podem ser úteis quando:

• precisa de triagem rápida com conjuntos de sondas padronizadas
• tens comparadores legados em arrays
• o seu programa já depende de assinaturas CNA baseadas em arrays

Para esses casos, fluxos de trabalho CNA baseados em arrays podem ser executados em paralelo com abordagens baseadas em sequenciação, quando a comparabilidade é gerida com cuidado, como um Serviço de microarray CGH ou um microarranjo SNP.

QC e Resolução de Problemas (Limiares Acionáveis + Caminhos de Correção)

Abaixo estão pontos de controlo práticos de QC que ajudam a garantir que as chamadas CNA sejam interpretáveis e comparáveis ao longo dos pontos de tempo. Os limiares são apresentados como intervalos práticosOs limites finais devem ser validados dentro do contexto do seu modelo, versionamento do pipeline e cobertura.

A) QC pré-analítico e de biblioteca (aprendizagem em laboratório húmido)

Alvos práticos de QC (operações típicas de RUO)

• Integridade do DNA: evitar DNA severamente fragmentado sempre que possível; a degradação intensa aumenta o viés de cobertura e os artefatos de segmentação
• Consistência de entrada: manter entradas consistentes ao longo de lotes longitudinais (a variabilidade das entradas pode imitar desvio)
• Complexidade da biblioteca: evitar a sobre-amplificação que aumenta duplicados e "ondas"
• Consistência de lote: manter kits de biblioteca, operadores e versões de SOP estáveis ao longo dos pontos de tempo do ciclo de vida

Se você externalizar o fluxo de trabalho de ponta a ponta, solicite notas de configuração explícitas para "perfilagem CNA estilo WGS superficial" e portas de controlo de qualidade no manifesto de execução (frequentemente implementadas sob um padrão). serviço de sequenciação CNV).

B) Sinais de QC em bioinformática que correlacionam com a fiabilidade das chamadas

• artefatos de onda GC através de regiões ricas em GC (sugere correção de GC incompleta ou viés de biblioteca)
• Alta variância local em bins adjacentes (sinal de profundidade ruidoso)
• Instabilidade do segmento: a segmentação muda drasticamente com pequenas alterações nos parâmetros
• Base neutra inconsistente: regiões "neutras" não próximas da linha de base esperada

Os pipelines de CNA de WGS superficial normalmente dependem de uma normalização robusta e da exclusão de regiões problemáticas do genoma; estes elementos de design são destacados na literatura de CNA de WGS superficial. (DOI nas Referências)

C) Tabela de resolução de problemas: sintoma → causa provável → verificar → corrigir

Perguntas Frequentes

1) Com que frequência devemos reavaliar o CNA numa linha celular?

Um padrão prático é: linha de base na receção, após a expansão inicial, após uma grande campanha experimental, e antes da bancaO objetivo é a comparabilidade longitudinal e a deteção precoce de desvios, não uma caracterização pontual.

2) O que conta como "evidência" de que um gene-alvo está amplificado?

No mínimo: o gene encontra-se dentro de um segmento chamado acima da linha de base, e o evento é reproduzível/consistente dentro de uma janela de ciclo de vida definida. Reforce a evidência confirmando a focalidade (não apenas ganho a nível de braço) e escalando para um refinamento mais profundo ou direcionado quando a decisão depender de precisão a nível de gene.

3) Por que é que a inferência baseada em RNA pode discordar da CNA de DNA?

A expressão é influenciada pela regulação, feedback e efeitos de dosagem global; pode alinhar-se com o número de cópias, mas não é prova. Utilize CNA como evidência estrutural e RNA como contexto de apoio.

4) Vemos um ganho amplo ao longo de um braço do cromossoma—podemos afirmar que o gene alvo está amplificado?

Pode-se dizer que o gene está numa região de número de cópias aumentado, mas deve-se evitar implicar amplificação focal a menos que o perfil suporte um pico focal. Eventos amplos podem elevar muitos genes simultaneamente, o que é importante para narrativas específicas de alvos.

5) Como é que populações mistas afetam as chamadas CNA em materiais derivados de xenotransplantes/PDX?

A mistura comprime as mudanças de razão log2 e pode desfocar picos focais. A interpretação deve enfatizar eventos robustos, replicar consistência e (quando necessário) modelagem consciente de alelos.

6) Quais são os entregáveis "imprescindíveis" para reutilização longitudinal?

Gráficos (a nível do genoma + por cromossoma), tabela de segmentos, resumo a nível de genes com notas de confiança, ficheiros reutilizáveis (contagens agrupadas, razões normalizadas, parâmetros, versões) e uma lista de "segmentos alterados" para comparações entre a linha de base e momentos posteriores.

7) Devemos usar arrays ou sequenciação para monitorização de CNA?

A sequenciação (especialmente o estilo WGS superficial) é frequentemente preferida pela consistência e escalabilidade em todo o genoma, mas as matrizes podem ser válidas quando é necessário manter a continuidade com comparadores de matrizes legados. Decida com base nas necessidades de tamanho do evento, capacidade de processamento e governança de comparabilidade.

8) Quais métodos são comumente referenciados para a análise CNA?

ASCAT é amplamente referenciado para modelagem específica de alelos e raciocínio sobre pureza/ploidia em amostras de pesquisa derivadas de câncer. (DOI nas Referências)
O Control-FREEC é uma referência clássica para a chamada de CN e conteúdo alélico com correção de GC/mapeabilidade. (DOI nas Referências)
O CNVkit é frequentemente mencionado para número de cópias em contextos de sequenciação direcionada. (DOI nas Referências)

Referências

1. Scheinin I, Sie D, Bengtsson H, et al. Análise do número de cópias de DNA de espécimes frescos e fixados em formalina através de sequenciação do genoma completo em profundidade reduzida, com identificação e exclusão de regiões problemáticas na montagem do genoma. Pesquisa Genómica (2014). Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça-o e eu ficarei feliz em ajudar com a tradução.
2. Van Loo P, Nordgard SH, Lingjærde OC, et al. Análise do número de cópias específicas de alelos em tumores. PNAS (2010). Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça o conteúdo que deseja traduzir.
3. Boeva V, Popova T, Bleakley K, et al. Control-FREEC: uma ferramenta para avaliar o número de cópias e o conteúdo alélico utilizando dados de sequenciação de nova geração. Bioinformática (2012). Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça-o e eu ficarei feliz em ajudar com a tradução.
4. Mermel CH, Schumacher SE, Hill B, et al. O GISTIC2.0 facilita a localização sensível e confiante dos alvos de alteração do número de cópias somáticas focais em cancros humanos. Biologia do Genoma (2011). Desculpe, mas não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça o conteúdo que deseja traduzir.
5. Talevich E, Shain AH, Botton T, Bastian BC. CNVkit: Detecção e Visualização de Número de Cópias em Todo o Genoma a partir de Sequenciação de DNA Direcionada. PLOS Biologia Computacional (2016). Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, cole-o aqui e eu farei a tradução.
6. Beroukhim R, Mermel CH, Porter D, et al. A paisagem da alteração do número de cópias somáticas em cânceres humanos. Nature (2010). Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça-o e eu farei a tradução.