构建仿真基准测试平台
生成具有已知核型的模拟肿瘤数据，以定量评估sCNA检测方法的准确性
开发CNV-Suite，从已知二倍体样本（新鲜冷冻、高质量FFPE、高度降解FFPE）中提取等位基因计数和覆盖度数据，根据指定核型和纯度进行缩放，模拟肿瘤数据。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
利用HapASeg进行单倍型感知分段的体细胞拷贝数变异检测
Haplotype-aware segmentation with HapASeg increases accuracy of detecting homolog-specific somatic copy number alterations
实验完整度
高基于仿真基准测试及真实样本比较，使用1,350个模拟肿瘤及TCGA匹配样本进行验证。
主要模型
16例Richter转化型CLL FFPE样本 NA12878细胞系（WGS/WES） 50个模拟肿瘤核型 TCGA配对FFPE/冷冻肿瘤样本队列
重点核对
样本类型：FFPE（高质量/高度降解）、新鲜冷冻、WES 肿瘤纯度范围：10%-90%，间隔10% 模拟核型：50个，每个包含最多3个亚克隆 对照方法：ASCAT、Facets、GATK CNV、HATCHet 评估指标：平均绝对距离（AAD）
摘要
体细胞拷贝数变异（sCNAs）驱动癌症的发生、进展、耐药和转移。加深对sCNAs的理解需要更大的队列。大多数可用于测序的肿瘤样本以福尔马林固定石蜡包埋（FFPE）方式保存，这会导致DNA交联，从而扭曲覆盖度谱并挑战当前的sCNA估计方法。传统方法使用大型相似正常样本组进行去噪，这在FFPE队列中难以获取。在此，HapASeg通过利用单倍型分型和独特的协变量，克服了这一限制，能够在FFPE、新鲜冷冻、全基因组测序和全外显子组测序样本类型中准确估计sCNA片段，且不依赖正常样本组校正，性能优于现有方法。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何在不依赖正常样本组（PoN）的情况下，准确估计FFPE等复杂测序数据中的等位基因特异性体细胞拷贝数变异？
- 核心机制
- HapASeg利用单倍型分型信息提高同源片段（HF）分割能力，并通过结合FAIRE-seq等独特协变量对覆盖度进行回归去噪，从而在不使用PoN的情况下准确估计总拷贝比率（TCR）。
- 主要证据
- 在1,350个模拟肿瘤样本（50种核型×3种样本类型×9种纯度）中，HapASeg的平均绝对距离（AAD）显著优于ASCAT、Facets、GATK CNV和HATCHet；在TCGA配对样本中，HapASeg在FFPE样本上表现更佳。
- 研究意义
- HapASeg能够解锁大量存档的FFPE肿瘤样本，促进癌症基因组学、进化和治疗反应的研究。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
定性评估FFPE样本
比较HapASeg与其他方法在真实FFPE样本上的sCNA检测表现
对16例Richter转化型CLL FFPE样本进行WGS，运行HapASeg及四种现有方法，比较分割结果与原始数据一致性。
定量基准测试
量化HapASeg与其他方法在模拟数据上的准确性
使用CNV-Suite生成模拟数据，运行各方法，计算AAD分数，比较不同纯度、事件长度和克隆分数下的性能。
TCGA配对样本验证
评估HapASeg在真实FFPE样本上的表现，以匹配的冷冻样本为基准
对9例有配对FFPE和冷冻样本的TCGA病例（4种肿瘤类型）进行WGS，运行各方法，以冷冻样本结果为基准计算AAD。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 仿真基准测试 | 参考二倍体样本（NA12878、FFPE样本CH1032/CH1022）、纯度范围、模拟核型数量 阅读提示：Methods：Benchmarking、Simulating tumor samples |
| 定性评估 | 16例FFPE Richter转化型CLL样本、比对至hg38 阅读提示：Methods：Qualitative assessment on real tumors |
| TCGA验证 | 9例TCGA配对样本、肿瘤类型、测序平台 阅读提示：Methods：TCGA matched trio comparison |