Вклад редких и частых вариантов генома человека в вариабельность показателей липидного спектра тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Зайченока Мария

• Зайченока Мария
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Зайченока Мария

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

Актуальность

Степень разработанности темы

Цели и задачи исследования

Научная новизна

Теоретическая и практическая значимость

Методология и методы исследования

Положения, выносимые на защиту

Личный вклад автора

Степень достоверности и апробация результатов

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ

1.1. Липиды крови и липидные нарушения

1.1.1 Метаболизм липидов в организме

1.1.2. Липидные нарушения

1.1.3. Семейная гиперхолестеринемия

1.1.4. Семейная дисбеталипопротеинемия

1.1.5. Связь нарушений липидного обмена с развитием атеросклероза и сердечно-сосудистыми заболеваний

1.2. Изучение вариантов генома человека

1.2.1. Ключевые проекты по изучению генома человека

1.2.2. dbSNP - каталог коротких вариантов генома человека

1.2.3. Базы данных частот вариантов человека - ЕхАС и gnomAD

1.2.4. QmVar - база данных клинической значимости вариантов генома человека

1.3. Полногеномный поиск ассоциаций фенотипов с вариантами генома

1.3.1. Методология проведения GWAS

1.3.2. Изучение методами GWAS локусов, связанных с ССЗ

1.4. Шкалы генетического риска

1.4.1. Методология разработки ШГР

1.4.2. Применение ШГР для изучения ССЗ

1.5. Пенетрантность и вариабельная экспрессивность вариантов генома

1.5.1. Факторы, влияющие на проявление неполной пенетрантности и вариабельной экспресивность

1.5.2. Оценка пенетрантности вариантов генома

1.5.3. Пенетрантность и вариабельная экспрессивность в липидных нарушениях

ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ

2.1. Исследуемые выборки

2.1.1. Популяционные выборки

2.1.2. Выборки пациентов с дислипидемией

2.2. Клинические данные

2.2.1. Клинический диагноз и сбор анамнеза

2.2.2. Ультразвуковое исследование сонных и бедренных артерий

2.3. Секвенирование выборок

2.4. Биоинформатический анализ

2.4.1. Конвейер обработки данных секвенирования

2.4.2. Поиск ассоциаций с вариантами генома и репликация GWAS

2.4.3. Разработка шкал генетического риска

2.4.4. Исследование влияния полигенных факторов и редких вариантов у

пациентов с ДЛП

2.4.5 Оценка пенетрантности причинных вариантов

2.5. Статистический анализ

ГЛАВА 3. РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

3.1. Ассоциации частых вариантов генома с уровнями липидов крови

3.1.1. Фенотипическая характеристика популяционных выборок, используемых для поиска ассоциаций вариантов с уровнями липидов крови

3.1.2. Поиск ассоциаций вариантов генома с уровнями липидов крови

3.1.3. Репликация данных GWAS российской популяции для уровней липидов крови

3.2. Разработка шкал полигенного риска для уровней липидов крови и их применение к различным клиническим фенотипам

3.2.1. Фенотипическая характеристика популяционных выборок, используемых для разработки ШГР

3.2.2. Разработка ШГР для уровней липидов крови "классическим" методом

3.2.3. Разработка ШГР для уровней липидов крови методом C+T

3.2.4. Разработка ШГР для уровней липидов крови методом сокращения оценок эффекта вариантов генома

3.2.5. Сравнение эффективности разработки ШГР тремя методами

3.2.6. Оценка возможности клинического применения ШГР для уровней липидов крови

3.3 Анализ факторов вариабельности фенотипов у пациентов с СДЛП и СГХС

3.3.1 Анализ выборки неродственных пациентов с СДЛП

3.3.2 Анализ выборки пациентов с генетическим диагнозом СГХС

ЗАКЛЮЧЕНИЕ

ВЫВОДЫ

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

БЛАГОДАРНОСТИ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. Результаты поиска ассоциаций вариантов с уровнями липидов крови в выборках ЭССЕ-Иваново и ЭССЕ-Вологда

А. 1 Манхэттенский график для результатов поиска ассоциаций с ХС ЛНП в

выборке ЭССЕ-Иваново

А.2 Манхэттенский график для результатов поиска ассоциаций с ХС ЛВП в

выборке ЭССЕ-Иваново

А.3 Манхэттенский график для результатов поиска ассоциаций с ОХС в

выборке ЭССЕ-Иваново

А.4 Манхэттенский график для результатов поиска ассоциаций с ^ТГ в

выборке ЭССЕ-Иваново

А.5 Манхэттенский график для результатов поиска ассоциаций с ХС ЛНП в

выборке ЭССЕ-Вологда

А.6 Манхэттенский график для результатов поиска ассоциаций с ХС ЛВП в

выборке ЭССЕ-Вологда

А.7 Значимые варианты, выявленные при поиске ассоциаций с ХС ЛНП на

выборках ЭССЕ-Вологда и ЭССЕ-Иваново

ПРИЛОЖЕНИЕ Б. Разработка ШГР для уровней липидов крови и оценка их

клинической применимости

Б.1 Распределение фенотипов (ХС ЛНП, ХС ЛВП, ОХС и ^ТГ) в ЭССЕ

Иваново и ЭССЕ-Вологда

Б.2 Распределение фенотипов (ультразвуковых параметров атеросклероза) в

АТЕРОГЕН-Иваново

Б.3 Результаты использования "классического" метода для разработки ШГР для

уровней липидов крови

Б.4 Распределение средних значений липидного фенотипа по ШГР, основанных на децилях баллов ШГР на основе "классического" метода в выборке ЭССЕ -Иваново

Б.5 Распределение средних значений липидного фенотипа по ШГР, основанных на децилях ШГР на основе "классического" метода в выборке ЭССЕ-Вологда.

Б.6 Результаты использования С+Т (PRSice-2) для разработки ШГР для уровней

липидов крови

Б.7 Распределение средних значений липидного фенотипа по децилям PRSice-2 ШГР в ЭССЕ-Иваново (объединенные наборы данных обучения и валидации).

Б.8 Распределение средних значений липидного фенотипа по децилям PRSice-2 ШГР в ЭССЕ-Вологда (объединенные наборы данных обучения и валидации).

Б.9 Результаты использования метода сокращения оценок эффекта вариантов

(LDpred2) для разработки ШГР для уровней липидов крови

Б.10 Распределение средних значений липидного фенотипа по децилям LDpred2

ШГР в ЭССЕ-Иваново

Б.11 Распределение средних значений липидного фенотипа децилям LDpred2

ШГР в ЭССЕ-Вологда

Б.12 Прогнозирование атеросклероза сонных и бедренных артерий с помощью ШГР для уровней липидов крови

Введение диссертации (часть автореферата) на тему «Вклад редких и частых вариантов генома человека в вариабельность показателей липидного спектра»

ВВЕДЕНИЕ

Актуально сть

Сердечно-сосудистые заболевания (ССЗ) являются лидирующей причиной смерти в мире. Только в России ежегодно от ишемической болезни сердца (ИБС) умирает около 500 000 человек [1]. Причиной развития ИБС в большинстве случаев является атеросклероз коронарных артерий. При этом распространенность субклинического атеросклероза среди взрослого населения превышает 50% [2]. Нарушение липидного обмена является одним из ведущих факторов риска развития атеросклероза, при котором возникает дисбаланс уровней "классических" липидов крови (показателей липидного спектра): холестерина (ХС) липопротеинов низкой плотности (ЛНП) и высокой плотности (ЛВП), а также общего ХС (ОХС) и триглицеридов (ТГ). Согласно литературным данным, наследуемость уровней липидов крови составляет от 30% до 60%, причем вклад в эту оценку наследуемости оказывают как частые, так и редкие варианты [3].

Современные статистические и биоинформатические методы позволяют провести оценку эффекта (влияния) вариантов нуклеотидной последовательности на итоговый фенотип человека, в частности, на уровни липидов крови [4,5]. Результаты подобных анализов позволяют разрабатывать шкалы генетического риска (ШГР) для построения моделей, предсказывающих фенотип на основании генетических данных. В настоящее время в мире проводится множество исследований возможного внедрения ШГР в клиническую практику для своевременного выявления пациентов с высоким риском [6].

Несмотря на то, что в мировой литературе хорошо описан вклад полигенного фона в вариабельность липидного спектра, подобные исследования на выборках из России практически не проводились. Также остается не до конца изученным вопрос взаимодействия моногенных причин дислипидемий (ДЛП) и полигенного фона, а также их совокупный вклад в клинический фенотип пациента. Подобные

исследования особо актуальны для пациентов с частыми ДЛП: семейной дисбеталипопротеинемией (СДЛП) и семейной гиперхолестеринемией (СГХС). Существует предположение, что вклад частых вариантов может модулировать пенетрантность и вариабельную экспрессивность фенотипа у пациентов с моногенными ДЛП [7]. Настоящая работа направлена на изучение совместного влияния частых и редких вариантов на фенотипы липидного спектра.

Степень разработанности темы

Изучению влияния полигенной компоненты на уровни липидов крови посвящено множество работ [8-10], однако на популяции европейской части России было проведено лишь несколько исследований [11,12], которые либо анализировали одновременно ряд других фенотипов, либо ставили основной целью изучение технической стороны вопроса. Что не менее важно, изучение вклада частых вариантов в связанные с уровнями липидов крови заболевания до сих пор является малоизученной темой, особенно в контексте СДЛП и субклинического атеросклероза. Несмотря на то, что роль полигенного фона у пациентов с СГХС [13] описана достаточно хорошо, влияние частых вариантов на итоговую пенетрантность редких патогенных вариантов и вариабельную экспрессивность связанного с ними фенотипа требует дальнейшего изучения. Оценка комплексного влияния вариантов всего спектра частот на уровни липидов крови является актуальной задачей, решение которой может позволить в будущем лучше прогнозировать индивидуальные риски.

Цели и задачи исследования

Целью исследования является разработка и применение методики изучения вклада вариантов генома человека различных частот в вариабельность показателей липидного спектра, а также изучение их совместного влияния на вариабельную экспрессивность и неполную пенетрантность у пациентов с наследственными дислипидемиями (СДЛП и СГХС).

Для достижения данной цели были поставлены следующие задачи:

1. Разработка биоинформатического конвейера для обработки результатов секвенирования, проведение поиска ассоциаций вариантов генома и построение и применение шкал генетического риска.

2. Проведение поиска ассоциаций частых вариантов с показателями липидного спектра в популяционной выборке, а также репликация результатов полногеномного поиска ассоциаций для показателей липидного спектра в российской популяции.

3. Разработка ШГР для оценки вклада частых вариантов в вариабельность показателей липидного спектра в популяции.

4. Оценка возможности использования ШГР для прогнозирования субклинического атеросклероза и СГХС среди пациентов без установленной моногенной причины заболевания.

5. Оценка пенетрантности причинных вариантов, вызывающих СДЛП и СГХС.

6. Изучение совместного вклада редких и частых вариантов в вариабельности фенотипов у пациентов с генетическими диагнозами СДЛП и СГХС.

Научная новизна

1. Впервые были реплицированы полученные ранее результаты полногеномного поиска ассоциаций (genome-wide association study, GWAS) из российской популяции из работы Usoltsev и др. [11], при этом удалось реплицировать 90% значимых вариантов. В настоящей работе также проведен поиск ассоциаций, позволивший подтвердить ассоциации вариантов в гене APOE с уровнями ХС ЛНП и ОХС, ассоциацию вариантов в гене CETP с уровнями ХС ЛВП, ассоциацию вариантов в гене APOA5 с уровнями ТГ.

2. Впервые для российской популяции была проведена разработка ШГР для ХС ЛНП, ХС ЛВП, ОХС и ТГ методами PRSice-2 и LDpred2 на основе зарубежных данных GWAS, которая показала возможность переносимости результатов GWAS,

полученных на европейских выборках, для разработки ШГР для российской популяции. Разработанные ШГР достигли предсказательной способности R2 7-13% (в зависимости от фенотипа, метода разработки и источника данных GWAS), что сравнимо с лучшими описанными в литературе ШГР для липидов крови.

3. Был впервые проведен анализ возможности применения ШГР, разработанных для уровней липидов, к параметрам ультразвукового исследования (УЗИ) сонных и бедренных артерий с целью прогнозирования субклинического атеросклероза. До сих пор в литературе было опубликовано крайне мало данных об оценке полигенной компоненты субклинического атеросклероза. Была подтверждена применимость разработанных для показателей липидного спектра ШГР к фенотипам субклинического атеросклероза, что позволяет более точно оценить вклад полигенного фона в развитие этого заболевания.

4. Для российской популяции была разработана модель, позволяющая прогнозировать клинический диагноз СГХС у пациентов без выявленной моногенной причины заболевания с АиС равным 0,76.

5. Впервые был оценен комплексный вклад полигенного фона, причинных вариантов, вызывающих СДЛП/СГХС, и дополнительных вариантов в генах липидного обмена в клинический фенотип пациентов с СДЛП и СГХС.

6. Для российской популяции была проведена оценка пенетрантности повторяющихся причинных вариантов, связанных с развитием СДЛП и СГХС, с использованием байесовского подхода.

Теоретическая и практическая значимость

В настоящей работе была проведена репликация результатов единственного GWAS для показателей липидного спектра для выборок из России, что позволило подтвердить достоверность полученных в исходном исследовании результатов. В исследовании был проанализирован ряд подходов к разработке ШГР, что позволило оценить их применимость к выборкам небольшого размера, данные для которых были

получены при таргетном секвенировании участков генома, а также то, что данные GWAS исследований, полученные на европейских и мультиэтнических выборках, могут быть использованы для разработки ШГР для популяции из западной части России. В работе было показано, что ШГР для показателей липидного спектра переносимы для использования на близкие фенотипы - субклинический атеросклероз и СГХС, и, следовательно, могут быть применимы для прогнозирования рисков развития этих заболеваний, что снимает необходимость проведения GWAS для этих фенотипов. В рамках работы была разработана модель, позволяющая достоверно выявлять пациентов с клиническим диагнозом СГХС среди людей без патогенных вариантов в генах ЬОЬЯ, АРОВ, РСБК9, которую в перспективе можно использовать для определения рисков у пациентов. В работе была получена комплексная оценка влияния редких и частых вариантов на уровни липидов крови среди пациентов с моногенными дислипидемиями, которая показывает необходимость учета всех этих факторов при наблюдении пациентов с экстремальными фенотипами. Настоящее исследование позволило получить оценки пенетрантности вариантов, считающихся причинными для пациентов с моногенными дислипидемиями, что может быть использовано в клинической практике для оценки риска развития соответствующих ДЛП у носителей этих вариантов.

Методология и методы исследования

Для настоящего исследования были использованы выборки (популяционные выборки и выборки пациентов) из биобанка Федерального государственного бюджетного учреждения "Национальный медицинский исследовательский центр терапии и профилактической медицины" Минздрава России (ФГБУ "НМИЦ ТПМ" Минздрава России). В исследовании были использованы биоинформатические подходы для анализа данных секвенирования, соответствующие принятым мировым практикам, позволяющие пройти весь путь данных от сырых чтений нуклеотидов до аннотированных вариантов генома. Сравнение выборок проводилось общепринятыми

статистическими методами с поправками на множественное сравнение. Для поиска ассоциаций вариантов был адаптирован подход GWAS. Для предсказания фенотипов была проведена разработка ШГР разными подходами - использование лидирующих вариантов, подход группировки и установления порога, и метод сокращения оценок эффекта вариантов. Для анализа связи генетических факторов и фенотипа были использованы подходы регрессионного анализа. Была проведена оценка пенетрантности на основе анализа выживаемости, байесовским методом и по доле пациентов с фенотипом.

Положения, выносимые на защиту

1. Была проведена разработка биоинформатического конвейера, позволяющего проводить анализ данных секвенирования, поиск ассоциаций вариантов с фенотипами и разработку ШГР.

2. Проведенный поиск ассоциаций частых вариантов с показателями липидного спектра подтвердил доступные литературные данные для российской популяции.

3. Разработанные ШГР эффективны для оценки уровней показателей липидного спектра для популяции России и по своей предсказательной способности (Я2 от 5% до 13%) не уступают опубликованным ранее моделям для других популяций.

4. Показана переносимость ШГР для показателей липидного спектра на фенотипы субклинического атеросклероза и клинического диагноза СГХС среди людей без причинных патогенных вариантов.

5. Возраст проявления пенетрантности у пациентов с СДЛП зависит от пола. Показано, что наиболее часто встречающиеся моногенные причины СДЛП обладают пенетрантностью от 10 до 51%. Возраст проявления пенетрантности у пациентов с СГХС зависит от пола и гена, в котором был выявлен причинный вариант.

Пенетрантность достоверно описанных патогенных для СГХС вариантов в генах АРОВ и ЬБЬЯ составляет от 47% до 100%.

6. Генетическими факторами, связанными с выраженностью клинического фенотипа у пациентов с СДЛП, являются тип причинного варианта (редкий вариант в АРОЕ, либо гаплотип е2е2), наличие дополнительных вариантов в генах липидного обмена, связанных с повышением уровней ХС ЛНП и ТГ, а также значения ШГР для ТГ. Генетическими факторами, связанными с выраженностью клинического фенотипа у пациентов с СГХС, является в первую очередь ген, в котором выявлен причинный вариант: ЬОЬЯ, АРОВ, РСБК9; в случае ЬОЬЯ также важен тип варианта в гене. Также в эти факторы входят: наличие дополнительных вариантов в генах липидного обмена, связанных с повышением уровней ХС ЛНП и ТГ, а также значения ШГР для ХС ЛНП и ОХС.

Личный вклад автора

Автор принимала непосредственное участие во всех этапах работы, которые относились к биоинформатическому и статистическому анализу данных. Автор разработала конвейер по обработке данных секвенирования совместно с сотрудниками лаборатории геномной и медицинской биоинформатики и лаборатории молекулярной генетики ФГБУ "НМИЦ ТПМ" Минздрава России и использовала его для обработки этих данных. Автор лично занималась разработкой и последующим анализом ШГР, использованных в настоящем исследовании, а также лично провела весь статистический анализ, описанный в настоящем исследовании. Секвенирование выборок, используемых в настоящем исследовании, проводилось сотрудниками лаборатории молекулярной генетики ФГБУ "НМИЦ ТПМ" Минздрава России. Все клинические данные в настоящей работе были получены клиницистами -сотрудниками ФГБУ "НМИЦ ТПМ" Минздрава России, ими же проводилась клиническая интерпретация обнаруженных вариантов.

В работах [14-18] автором был выполнен весь биоинформатический анализ и статистический анализ после обработки данных секвенирования, проведен обзор литературы и написан основной текст публикаций. Для обзора [19] автором была концептуализирована идея, собран список источников и написан основной текст публикации. В работе [20] автором была выполнена часть биоинформатического анализа. В работах [21,22] автором была выполнена часть статистического анализа результатов. Автор принимала участие в планировании, обсуждении, написании и редактировании текстов всех вы-шеперечисленных публикаций. В 6 из 9 публикаций автор данной работы является первым автором, в двух - вторым.

Степень достоверности и апробация результатов

По материалам работы было сделано 10 докладов на следующих конференциях:

1. Студенческая школа-конференция «Информационные технологии и системы. Биоинформатика» ИТИС(б), Вороново, Россия, 2023 г.

2. 65-я Всероссийская научная конференция МФТИ, Долгопрудный, Россия, 2023 г.

3. 11th Moscow Conference on Computational Molecular Biology МССМВ'23, Москва, Россия, 2023 г.

4. 4-я Международная Мультиконференция "Биоинформатика регуляции и структуры геномов / системная биология" (Bioinformatics of Genome Regulation and Structure/Systems Biology, BGRS/SB-2024), Новосибирск, Россия, 2024 г.

5. Генетические Аспекты Мультифакториальной Патологии, Курск, Россия, 2024 г.

6. X Всероссийская научная конференция с международным участием «Информационные технологии интеллектуальной поддержки принятия решений» (ITIDS'2024), Уфа, Россия, 2024 г.

7. XI Съезд Российского общества медицинских генетиков с международным участием, Санкт-Петербург, Россия, 2025 г. (2 доклада)

8. 12-я Московская конференция по вычислительной молекулярной биологии (МССМВ'25), Москва, Россия, 2025 г.

9. XIV научная конференция «Генетика человека и патология», Томск, Россия, 2025 г.

По материалам диссертации опубликовано 9 статей в рецензируемых журналах и получено одно свидетельство о регистрации программы для ЭВМ (№2023615032 от 09.03.2023).

Публикации

1. Зайченока М., Ершова А.И., Киселева А.В., Сотникова Е.А., Вяткин Ю.В., Жарикова А.А., Покровская М.С., Шальнова С.А., Раменский В.Е., Мешков А.Н., Драпкина О.М. Поиск и репликация ассоциаций вариантов генома с уровнями липидов в выборке из представителей российской популяции //Кардиоваскулярная терапия и профилактика. - 2023. - Т. 22. - №. 12. - С. 3871.

2. Зайченока М., Мешков А.Н., Киселева А.В., Ершова А.И., Сотникова Е.А., Жарикова А.А., Вяткин Ю.В., Михайлина В.И., Букаева А.А., Покровская М.С., Раменский В.Е., Драпкина О.М. Использование шкал генетического риска для дифференциальной диагностики у лиц с клиническим диагнозом семейная гиперхолестеринемия //Кардиоваскулярная терапия и профилактика. - 2024. - Т. 23. -№. 12. - С. 4251.

3. Зайченока М., Раменский В.Е., Киселева А.В., Букаева А.А., Ершова А.И., Мешков А.Н., Драпкина О.М. Исследование свойств не полностью пенетрантных вариантов генома, ассоциированных с кардиомиопатиями //Кардиоваскулярная терапия и профилактика. - 2024. - Т. 23. - №. 12. - С. 4262.

4. Zaicenoka, M., Ershova, A. I., Kiseleva, A. V., Blokhina, A. V., Kutsenko, V. A., Sotnikova, E. A., Zharikova, A. A., Vyatkin, Y. V., Pokrovskaya, M. S., Shalnova, S. A., Ramensky, V. E., Meshkov, A. N., Drapkina, O. M. Blood lipid polygenic risk score development and application for atherosclerosis ultrasound parameters //Biomedicines. - 2024. - V. 12. - №. 12. - P. 2798.

5. Blokhina A. V. Ershova A. I., Kiseleva A. V., Sotnikova E. A., Zaicenoka M., Zharikova, A. A., Vyatkin, Y. V., Ramensky, V. E., Novokhatskaya E. A., Borisova A. L., Shalnova, A. S. Meshkov A. N., Drapkina O. M. Genetic and Metabolic Factors of Familial

Dysbetalipoproteinemia Phenotype: Insights from a Cross-Sectional Study //International Journal of Molecular Sciences. - 2025. - V. 26. - №. 15. - P. 7376.

6. Zaicenoka, M., Ramensky, V. E., Kiseleva, A. V., Bukaeva, A. A., Blokhina, A. V., Ershova, A. I., Meshkov A. N., Drapkina, O. M. On penetrance estimation in family, clinical, and population cohorts //Circulation: Genomic and Precision Medicine. - 2025. - V. 18. - №. 2. - P. e004816.

7. Зайченока М., Мешков А.Н., Киселева А.В., Ершова А.И., Раменский В.Е., Драпкина О.М. Разработка шкал полигенного риска и их применение для дифференциальной диагностики липидных нарушений //Медицинская генетика. -2025. - Т. 24. - №. 6. - С. 55-56.

8. Мешков А.Н., Зайченока М., Михайлина В.И., Ершова А.И., Киселева А.В., Раменский В.Е., Драпкина О.М. Генетические факторы вариабельности семейной гиперхолестеринемии //Медицинская генетика. - 2025. -Т. 24. - №. 6. - С. 98-100.

9. Раменский В.Е., Зайченока М., Киселева А.В., Букаева А.А., Ершова А.И., Мешков А.Н., Драпкина О.М. Анализ инделов без сдвига рамки считывания в белках, ассоциированных с сердечно-сосудистыми заболеваниями //Кардиоваскулярная терапия и профилактика. - 2025. - Т. 24. - №. 12. - С. 4597

10. Раменский В. Е., Жарикова А. А., Вяткин Ю. В., Зайченока М., Киселева А. В., Ершова А. И., Сотникова Е. А., Мешков А. Н., Драпкина О. М. Программа для обработки данных высокопроизводительного секвенирования. Свидетельство о государственной регистрации программы для ЭВМ №2023615032 от 09.03.2023