Inspiration
Trabajamos en un laboratorio que se centra en mutaciones en el ADN no codificante del genoma y creíamos que podría ser interesante aprender como se lidia con genotipar muestras de pacientes reales para poder tener un impacto clínico.
What it does
Este proyecto consistía en abordar dos problemas: Por un lado, implementar un pipeline para llevar a cabo el Analisis de calidad de la secuenciación de los genes KIR para poder determinar que muestras cumplen con unos requisitos minimos para el análisis posterior y por otro lado, encontrar que variantes pueden influir en el tiempo que tarda un paciente en conseguir la remision profunda, si acaso la consigue.
How we built it
Para abordar este reto empezamos haciendo uso del programa FastQC que nos informe sobre la calidad del ADN secuenciado y nos informa de manera resumida el número total de secuencias con las que trabajamos.
Una vez montado el control de calidad, hacemos uso de la herramienta PING para genotipar las diferentes muestras del reto, empezando con la muestra de prueba (N=30) para asegurarnos de la eficiencia de la herramienta a la hora de llamar variantes. Obtenido el resultado de la prueba, comparamos con los datos proporcionados sobre el verdadero genotipo de las muestras y vemos si coincide. En algunos cosas no coincide muy bien, y hemos visto que el numero de secuencias de partida suministradas al software afecta a la capacidad de encontrar variantes, asi que establecemos este número como un filtro importante para el resto de las muestras.
Una vez hechos los controles de calidad de las muestras y aplicados los filtros pertinentes para asegurar la calidad de las variantes, usamos el programa PING para genotipar las muestras de CML procedentes del clinic y del ICO. Una vez obtenidos los SNPs de cada muestra, se entrena un modelo LASSO haciendo uso de un 80% de los datos para entrenar y el 20% restante para testear el modelo, usando esta información binaria para encontrar cuales son los SNPs relevantes para predecir variables de interés como si el paciente consigue o no remitir de la patología. Con estos SNP's importantes podemos estudiar medinate curvas kaplan-meier si los pacientes con ciertos SNP's tienen mejor pronostico, de manera similar al artículo original donde se emplea una metodología similar pero solo a nivel de gen, no de variante.
Hemos hecho uso del acceso a Marenostrum 5, programas open source como PING y codigo propio tanto en R como python para conseguir los resultados pertinentes.
Challenges we ran into
Por limitaciones de tiempo, estas muestras siguen en proceso de genotipado, pero de todas maneras hemos implementado un framework para trabajar con el potencial output de la herramienta PING. Estimamos que 96 muetsras (ICO) tardarían en torno a 36 horas basandonos en que 30 muestras tardaron unas 6 horas (96 threads en el Marenostrum 5) y las muetras control eran más pequeñas en general.
Accomplishments that we're proud of
Hemos conseguido abordar un problema complejo, trabajando en equipo con reparto eficiente de los diferentes aspectos a implementar del pipeline y que creemos que tiene potencial de descubrir variantes de interés con una relevancia clínica directa.
What we learned
Hemos aprendido acerca de diferentes herramientas para llamara variantes que podrían ser de utilidad en nuestro campo (mutaciones en regiones no codificantes del genoma) y podría ser interesante aplicarlo a muestras propias. También hemos aprendido a implementar posibles modelos como LASSO, que aunque sencillos, demuestran tener potencial para encontrar soluciones a problemas biológicos.
What's next for Bioinformatic framework for KIR allele identification in CML
Esperar a que termine de correr PING, usar el modelo LASSO para poder identificar SNPs que predigan si el paciente consigue remitir o no y usar estos SNP's para clasificar a la poblacion control sana segun el riesgo de padecer una version CML mas severa.
Log in or sign up for Devpost to join the conversation.