Nature子刊：六种CNV检出工具的性能评估

　　

拷贝数变异（CNV），也就是基因组区域的增加或缺失，与疾病发生（尤其是癌症）密切相关。单细胞技术的突破性进展为捕捉样本内CNV异质性以及鉴定与肿瘤进展相关的亚克隆提供了全新视角。

尽管目前已开发出多种从单细胞RNA测序数据中推断CNV的计算工具，但缺乏独立的性能评估体系使得研究人员难以选择合适的方法，这严重阻碍了CNV在癌症生物学中的功能研究。

为填补这一空白，德国慕尼黑大学领导的研究团队对六种主流的scRNA-seq CNV检测工具进行了全面基准测试，并将结果发表在《Nature Communications》杂志上。

研究人员采用21个scRNA-seq数据集，通过多维度指标评估各方法在CNV识别、二倍体细胞鉴定和亚克隆结构解析等方面的性能。这些数据集涵盖不同技术平台（液滴法与平板法）和物种（人类与小鼠）。

此次研究评估了六种专门为scRNA-seq数据设计的CNV检测方法，这些方法可分为两类：仅使用表达水平的InferCNV、copyKat、SCEVAN和CONICSmat；以及整合表达值与次要等位基因频率（AF）信息的CaSpER和Numbat。这些方法在输出格式、分辨率和算法策略上存在显著差异。

在15个人类癌症液滴数据集测试中，Numbat (Expr)、copyKat和InferCNV (Expr)表现出最高的最大F1分数（0.59-0.57）。研究发现性能差异与数据集特性密切相关：细胞数量、表达基因数和测序覆盖度与性能正相关，而dropout率和基因组畸变比例与性能负相关。所有方法对严格定义的局灶性CNV（focal CNV）检测灵敏度均较低。

扩展到平板技术和小鼠数据的测试表明，表达型方法在不同平台和物种间保持稳定性能，而基于AF的方法（CaSpER和Numbat）在平板数据中因SNP数量不足而性能下降。

二倍体样本测试显示，当使用相同细胞类型参考时，所有方法均能较好地识别二倍体基因组。但参考数据集选择不当会显著降低性能，其中Numbat (CNV)在所有测试场景中均能准确识别完全二倍体基因组。

此外，参考数据集的选择会对癌症样本的CNV检测产生重要影响。研究表明，使用相同样本中的二倍体细胞作为参考可获得最佳性能，而外部参考或自身携带CNV的细胞类型作为参考会显著降低预测可靠性。

肿瘤细胞识别的测试表明，Numbat在所有数据集中达到95%以上的准确率，而copyKat和SCEVAN的性能随二倍体细胞比例变化而波动。自动参考识别功能虽能减少人工注释负担，但在二倍体细胞稀少时可能失效。

在亚克隆识别测试中，copyKat、InferCNV和Numbat能有效区分不同供体的CNV谱，而CaSpER、CONICSmat和SCEVAN在混合样本中未能成功区分克隆结构。

研究结论强调，没有一种方法在所有场景中表现最优，方法选择应基于具体研究需求。数据集质量（细胞数量、测序深度、dropout率）对性能的影响远大于算法选择本身。

整合等位基因信息的方法（Numbat和CaSpER）在二倍体识别方面表现突出但计算成本较高；而纯表达型方法（copyKat和InferCNV）在标准癌症数据集中表现稳定且计算高效。

此外，研究人员还发布了标准化评估流程（https://github.com/colomemaria/benchmark_scrnaseq_cnv_callers），让用户能够直接测试新数据集，以确定最优的CNV检测策略，而开发者也能以此来测试新方法的性能。