長讀癌症基因體學 · 入門教材 中正大學資工系 · 黃耀廷實驗室 完整術語表

自學課程

長讀癌症基因體學 · 入門教材

這個實驗室做的事，是寫程式分析 DNA 定序資料。

定序機把一管檢體裡的 DNA 打斷成片段、逐條讀出，產出幾百萬條帶著錯誤的字串。麻煩的是：這管檢體裡同時有正常細胞和癌細胞，而字串上沒有標記誰是誰。把它還原回來，就是我們寫的軟體要做的事。

這個實驗室在寫什麼軟體 由上而下三層。第一層是輸入：從病人的腫瘤處取檢體，取到的細胞裡本來就同時有癌細胞與正常細胞； 定序機把裡面的 DNA 打斷成片段逐條讀出，得到一疊長得一樣的字串，字串本身沒有標記來源， 也沒有標記哪個字母是機器讀錯的。第二層是本實驗室開發的 C++ 軟體。 第三層是輸出：人的染色體是成對的，一條來自父親一條來自母親； 同樣那幾條片段被判回它來自哪一條，其中兩條帶有癌細胞才有的變異， 並可據此估算這個檢體裡癌細胞佔多少比例。 軟體只分得出這是兩條不同的染色體，要知道哪一條來自父親須另外定序父母。 ① 定序機給你的東西 腫瘤 病人 取檢體 取到的細胞 癌細胞與正常細胞混在一起 定序 機器讀出來的片段 AT GA CT GA CT G AT GG CT GA CT G AT GA CT GT CT G AT GG CT GA CC G AT GA CT GT CT G 每一條長得都一樣。 哪些來自癌細胞、 哪個字母是機器讀錯的， 資料本身都沒有標。 ② 這個實驗室開發的軟體 從這疊字串反推出每一條的來源 C++ · LongPhase / longphase-s / longphase-to ③ 軟體要算出來的東西 染色體是成對的 一條來自父親，一條來自母親 軟體分得出這是兩條不同的染色體， 但要知道哪一條來自父親，得另外定序父母。 父系 母系 癌細胞才有的位置 AT GA CT GT CT G AT GA CT GT CT G AT GA CT GA CT G AT GG CT GA CT G AT GG CT GA CC G 軟體同時算出三件事 ① 每條片段來自哪一條染色體 ② 哪些位置是癌細胞才有的 ③ 癌細胞在這個檢體佔多少 整份教材就是在拆解這三件事。
定序機給的是一堆看不出來源的字串；把每一條判回它從哪來，就是這個實驗室寫的軟體在做的事。
整份教材的學習路徑：五段課程模組，之後接研究指引 由左至右共六格，前五格為課程模組，第六格為課程之外的研究指引。 基礎模組建立資料模型，工具模組介紹實際檔案， 核心模組處理腫瘤資料的分析限制，實驗室工具介紹三項程式， 課程以綜合評量的整合式判讀作結。 第六格以虛線框與虛線箭頭表示，代表它不屬於課程： 研究指引目前有兩個主題；subclone 系統發生重建含三篇， 純度、倍體與腫瘤 DNA 比例含四篇， 內容為研究方向的說明而非教材，建議在完成綜合評量之後閱讀。 下方標出兩個轉折點：自第四個模組開始需要能操作終端機， 以及本教材不預設先備癌症生物學知識。 基礎 M0 – M3 建立基本資料模型 工具 M4 – M5 讀懂實際檔案 核心 M6 – M10 腫瘤資料的複雜度 實驗室工具 M11 – M13 三項分析工具 綜合評量 Capstone 完成整合式判讀 研究指引 兩個主題 三篇與四篇 從這裡開始 課程到此結束 課程之外 · 選讀 M4 起需要基本終端機操作 不計入課程時數 本教材不預設先備癌症生物學知識；必要概念會在對應模組引入。 M0–M3 以閱讀與互動為主，M4 起再進入終端機實作。 研究指引是研究方向的說明，不是課程；建議完成 Capstone 之後再讀。

開始第一個模組 →—

這份教材適合誰？需要什麼基礎？要花多久？
適合對象
資訊工程背景、沒有受過癌症生物學與定序訓練的自學者
先備能力
不要求生物學背景。M0–M3 只需閱讀與操作互動元件；M4 起需要能在終端機執行基本指令
預計時間
15 個單元合計約 14 小時，建議分 6 週完成；另有 7 篇研究指引，不計入課程時數
完成後能做什麼
獨立判讀一個位點的證據，並寫出明確標示不確定性的結論

起點

  1. 0研究主題與學習路徑兩個變異都被檢出，為什麼仍無法直接決定治療？約 20 分鐘

基礎

  1. 1腫瘤樣本的簡化區域模型定序將細胞分解後，還保留哪些可用資訊？約 30 分鐘
  2. 2癌症基因體分析的基礎生物學allele、genotype 與 haplotype 有何不同？約 45 分鐘
  3. 3定序原理與長讀的分析價值為什麼需要較長的定序片段？它的代價是什麼？約 45 分鐘

工具

  1. 4資料格式讀寫能力一筆變異紀錄，如何回溯到其原始資料？約 60 分鐘
  2. 5Germline variant calling：從證據到判定電腦如何判斷某個位置真的有變異，而不是定序錯誤？約 35 分鐘

核心

  1. 6Phasing 與 haplotagging如何判斷兩個變異是否位於同一條染色體拷貝？約 70 分鐘
  2. 7Somatic variant calling：tumor–normal 與 tumor-only有配對正常組織時，能多得到哪些證據？沒有時會失去什麼？約 55 分鐘
  3. 8腫瘤樣本的混合組成同一個數值，為何可能對應三種不同的生物學情況？約 75 分鐘
  4. 9甲基化入門除了序列本身，同一個 DNA 分子還能提供哪些資訊？約 45 分鐘
  5. 10證據、驗證與效能評估如何從一張效能圖表看出它沒有告訴你的事？約 60 分鐘

實驗室工具

  1. 11LongPhase：核心 phasing 流程程式如何把變異分配到不同染色體拷貝？約 45 分鐘
  2. 12LongPhase-S（配對 tumor–normal）有配對正常組織時，完整的腫瘤分析流程如何運作？約 80 分鐘
  3. 13LongPhase-TO（tumor-only）沒有配對正常組織時，如何以其他證據補足對照？約 80 分鐘

綜合評量

  1. ★Capstone：整合式位點判讀面對一個位點的完整證據，你能提出什麼結論？約 120 分鐘

研究指引

以下不是課程，是研究方向的說明，也不計入時數與學習檢核。讀者設定為實驗室成員與論文審閱者，內容以估計式、參數與失效模式為主，語體與前面的教學模組不同。建議完成綜合評量之後再讀。

主題一 · Subclone 系統發生重建

一份腫瘤檢體裡有好幾群基因體不同的細胞。這個主題問的是：能不能從定序資料把那些細胞群重建出來，並排出它們的先後順序。

共 4 篇，依序閱讀建議先修 甲基化LongPhase-TO

  1. 上上篇：從一堆變異到一棵腫瘤演化樹腫瘤裡的變異，能不能排出發生的先後順序？
  2. 中中篇：VAF 路線缺什麼，多變異區域能補上哪三格只有 5% 的區域有兩個以上變異，它們還能幫上什麼忙？
  3. 下下篇：完整的估計式，以及它能不能建起來幾百個區域各自看到一小塊，合起來寫成一條式子時，怎樣才不會把同一批資料算兩次？
  4. 補補篇：把目標換成局部系譜，以及它能餵給 caller 什麼如果全域那棵樹贏不了，換一個贏得了的目標算不算退讓？

主題二 · 純度、倍體與腫瘤 DNA 比例

同一份深度與等位比例，可以讀成好幾種完全不同的基因體。這個主題問的是：純度、倍體與拷貝數為何只能一起估計，以及單倍型標記能把哪一項的限制拿掉。

共 3 篇，依序閱讀建議先修 腫瘤混合體LongPhase-S

  1. 上上篇：純度、倍體與拷貝數為何只能一起估計同樣一份深度與等位比例，為什麼可以讀成兩種完全不同的基因體？
  2. 中中篇：單倍型失衡的閉式與三個觀測通道同一個失衡數字，可能是腫瘤變多了，也可能是拷貝數不平均 —— 怎麼分？
  3. 下下篇：聯合估計式的規格，以及它還不能宣稱什麼三個通道要怎麼合成一條式子，才不會被資料的組成牽著走？

工具與資源

完整術語表完整手冊（可列印）

換電腦或共用帳號時，進度如何保存？

進度存在目前這台電腦的這個瀏覽器裡，不會隨教材檔案移轉；瀏覽器無法把本機檔案的進度與檔案本身綁定。

所以換電腦、換瀏覽器、或多人共用同一個帳號時，請用上面的「匯出進度」存成檔案，再到另一台「匯入進度」。