Dovetail® FFPE Assay
Dovetail의 FFPE 기술은 바로 이러한 한계를 극복합니다.
Dovetail Genomics는 linked-read 라이브러리 제작을 위해 FFPE에 최적화된 워크플로우를 제공합니다. Dovetail linked-read를 활용하면 코딩 및 논코딩 영역의 유전체 재배열을 포함한 SV를 높은 민감도로 탐지할 수 있으며, 동시에 SNV, INDEL, CNV 등 다른 변이 분석에서도 기존 short-read 방식의 우수한 성능을 그대로 유지할 수 있습니다.
- FFPE 샘플 완벽 호환 (Compatible with FFPE Samples)
까다로운 고분자량(High-molecular-weight) DNA 추출 과정이 필요하지 않습니다. - 일관된 분석 성능 (Consistent Performance)
다양한 종양(Tumor) 유형과 여러 DNA 퀄리티 조건에서 성능 검증을 완료했습니다. - 정확한 변이 시그널 증폭 (Amplifies True-Variant Signal)
SV 탐지 민감도를 극대화하고 위양성(False positives) 발생을 최소화합니다. - 포괄적인 유전체 재배열 프로파일링 (Comprehensive Rearrangement Profiling)
코딩 영역의 유전자 융합(Gene fusions)은 물론, 논코딩 영역의 인핸서 하이재킹(Enhancer hijacking) 이벤트까지 모두 탐지합니다. - 효율적인 변이 탐지 워크플로우 (Streamlines Variant Detection)
단 한 번의 분석(Single assay)으로 SV, SNV, INDEL, CNV를 모두 파악할 수 있습니다.(Enhancer hijacking) 이벤트까지 모두 탐지합니다. - 기존 NGS 인프라 활용 (Fits Existing NGS Infrastructure)
새로운 장비 도입 없이, 기존에 사용 중인 표준 short-read 시퀀싱 플랫폼과 완벽하게 호환됩니다.
FFPE 샘플 분석의 주요 한계점(Known Challenges With FFPE Samples)
🟦 DNA Quality 제약 (DNA Quality Constraints)
- DNA 품질 저하로 인해 Library complexity가 낮아지며, 결과적으로 확보할 수 있는 Coverage에 한계가 생깁니다.
- FFPE 특유의 Fragmented DNA는 Long-read, OGM, TruPath와 같은 최신 분석 기술에 적용하기 까다롭습니다.
🟧 Gene Fusion 탐지의 한계 (Gene Fusion Detection Limitations)
- RNA 품질이 낮으면 Breakpoint spanning read가 줄어들어, 결과적으로 Gene fusion을 놓칠(missed calls) 위험이 커집니다.
- RNA Yield가 낮아 RNA-seq Library prep 자체가 실패하거나, Duplication rate가 높은 편향된(biased) Library가 만들어지기 쉽습니다.
⬜ 구조적 변이의 높은 위양성률 (High False Positive SV Calls)
- Library prep 과정에서 인위적으로 만들어진(artifactual) Chimeric read가 많아져, 구조적 변이(SV) 분석 시 False positive(위양성)가 크게 증가합니다.
- FFPE NGS 데이터에서 흔히 나타나는 Coverage drop-out이나 Spike 현상이 SV Caller의 정확한 분석을 방해합니다.
The Dovetail FFPE Solution
일반적인 Whole Genome Sequencing(WGS)에서는 구조적 변이(SV)의 Breakpoint에 직접 맵핑되는 Read만으로 Variant를 판별합니다. FFPE 샘플은 애초에 확보할 수 있는 Coverage에 한계가 있어 이러한 Breakpoint-spanning read가 턱없이 부족해지기 쉬운데, 이는 결국 분석의 민감도(Sensitivity)를 떨어뜨리고 위양성(False positive)을 크게 증가시키는 원인이 됩니다.
Dovetail 기술은 Breakpoint-spanning read는 물론 Breakpoint-flanking read까지 모두 활용하는 Library를 통해 기존의 한계를 완벽히 극복했습니다.
탐지 범위(Detection window)를 메가베이스(Megabase) 단위로 확장하여 분석 민감도를 획기적으로 높인 결과, 기존 WGS의 Small variant(SNV, INDEL, CNV) 분석 성능은 그대로 유지하면서도 구조적 변이(SV)를 훨씬 더 정밀하게 탐지(Calling)할 수 있게 되었습니다.
강력하고 안정적인 성능 (Robust Performance)
다양한 품질, Tumor type, 그리고 Tumor fraction을 가진 FFPE 샘플들을 대상으로 Dovetail FFPE assay를 적용해 Library를 제작했습니다. 이를 30X Genome coverage로 시퀀싱하여 염색체 내(Intra-chromosomal) 및 염색체 간(Inter-chromosomal) 구조적 변이를 분석한 결과, Dovetail FFPE는 모든 샘플 조건에서 흔들림 없는 강력한 성능을 입증했습니다. 나아가 데이터를 10X Coverage로 Downsampling한 조건 속에서도 뛰어난 성능은 그대로 유지되었습니다.
높은 일치율 (High Concordance)
앞서 분석에 사용된 종양 FFPE 샘플은 Fresh frozen(신선 동결) 조직 형태로도 확보되어 있었습니다. 이 Fresh frozen 샘플로 Library를 제작한 뒤, FFPE 샘플과 동일한 Coverage 조건으로 Sequencing을 진행했습니다. 이후 Dovetail Analysis Portal을 활용해 구조적 변이(SV)를 분석(Calling)하고, 염색체 간(Inter-chromosomal) 변이에 대한 VAF(Variant Allele Fraction) 값을 산출했습니다.
그 결과, Fresh frozen 샘플과 FFPE 샘플 간의 SV 분석 결과는 Breakpoint 정확도(Precision)와 VAF 추정치 모두에서 매우 높은 일치율(Concordance)을 보여주었습니다.
