Invas: an inversion-aware method for transcriptome assembly
Rattachement africain : hk, cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Intragenic inversions reverse sequence orientation within genes and create non-collinear splice junctions that standard transcript assemblers miss, resulting in incomplete reconstruction and biased quantification. Here we show Invas, an inversion-aware framework operating with bulk short-read sequencing data. Invas integrates whole-genome sequencing breakpoints with transcriptomic sequencing evidence, rescues unmapped reads, and assembles isoforms using conjugate flow optimization. In silico across 42,000 events, Invas demonstrates high precision and recall and improves quantification of unaffected transcripts compared with conventional tools. We apply Invas to seven disease cohorts, identifying recurrent germline susceptibility variants and somatic drivers. Furthermore, Invas facilitates the discovery of somatic inversion-derived tumor-specific antigens with strong predicted immunogenicity. We release Invas and InvasDB as community resources to enable accurate characterization of inversion-affected genes, filling a critical gap in structural variant-aware transcriptomics. The authors present Invas, a tool that assembles transcripts affected by intragenic inversions. Applied across multiple cancers, it uncovers recurrent inversions linked to disease progression and identifies inversion-derived immunotherapy targets.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Invas: an inversion-aware method for transcriptome assembly
- Date Crossref
- 11/07/2026
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
City University of Hong Kong Department of Computer Science pays non établi dans la noticeUniversité ou école supérieure
-
Tongji Hospital pays non établi dans la noticeÉtablissement de santé
-
Huazhong University of Science and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Tongji Medical College Department of Obstetrics and Gynecology pays non établi dans la noticeUniversité ou école supérieure
Department of Computer Science — City University of Hong Kong, Tongji Hospital et Huazhong University of Science and Technology, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.