《Nature Communications》：ALFA-K: Local adaptive mapping of karyotype fitness landscapes
编辑推荐：
本研究针对非整倍体演化动力学量化难题，开发了ALFA-K（适应性局部适应度景观）新方法，通过纵向单细胞数据成功构建染色体水平核型适应度景观图谱，首次实现未观测核型的涌现预测，揭示全基因组加倍（WGD）通过减少有害拷贝数变异（CNA）谱系加速肿瘤演化，为染色体不稳定性（CIN）相关肿瘤治疗提供新视角。
在肿瘤生物学领域，非整倍体（aneuploidy）作为实体肿瘤的典型特征，影响着90%以上的固体肿瘤病例。这种染色体数目异常的状态源于染色体不稳定性（CIN），包括有丝分裂分离错误、复制应激等多种机制。尽管非整倍体通过改变基因拷贝数成为肿瘤进化的重要底物，但对其演化动力学的定量理解仍存在巨大空白。传统研究面临两大挑战：难以通过实验诱导非整倍体，以及难以区分非整倍体效应与CIN过程的影响。更重要的是，现有模型大多忽略了环境背景和基因组背景对核型适应度的塑造作用。
为突破这些局限，Richard J. Beck、Tao Li和Noemi Andor团队在《Nature Communications》上发表了题为“ALFA-K: Local adaptive mapping of karyotype fitness landscapes”的研究。他们开发了ALFA-K（适应性局部适应度景观）方法，首次实现了对核型适应度景观局部区域的直接绘制。该方法利用纵向单细胞核型数据，通过高斯过程回归（Kriging）技术，能够推断出与观测种群密切相关的数千种核型的适应度，并对尚未实验检测的新核型进行稳健预测。
研究团队主要采用三类关键技术：基于代理的模型（ABM）用于生成合成数据验证方法可靠性；高斯过程回归（Kriging）进行全局景观插值；留一法交叉验证（CV）评估推断景观的可靠性。实验数据来源于两个乳腺癌细胞系和四个患者来源异种移植（PDX）模型的纵向单细胞核型谱。
ALFA-K预测不同速度和复杂度的核型演化
通过ABM模拟在高斯随机场（GRF）适应度景观上的验证表明，ALFA-K在更平滑的地形和更多纵向传代数据下准确度更高。对实验数据的分析显示，ALFA-K预测与实验姐妹传代比较具有相似的方向准确性（中位角度71.2°对79.0°），且预测的Wasserstein距离与观测距离显著相关（Spearman ρ=0.68）。特别值得注意的是，ALFA-K在训练后短期内预测性能最佳，但随着时间推移逐渐下降。
ALFA-K预测新核型的涌现
研究团队重点评估了ALFA-K预测未观察核型涌现的能力。通过逻辑回归模型分析发现，除了距离特征（d1-d5）外，ALFA-K的适应度估计值（f）在45次测试中有15次显著预测新核型出现，7次成为最显著预测因子。这表明适应度估计能够有效预测新核型的出现概率，突破了以往方法只能推断已观测核型的限制。
核型背景决定CNA的适应度效应
通过广义线性混合模型（GLMM）分析发现，PDX环境和顺铂处理均显著增加适应度效应的大小和方差。线性混合模型（LMM）进一步显示，核型对之间的Δf谱相似性随核型距离增加而急剧下降，证实了距离衰减关系。这表明CNA的适应度效应高度依赖于亲本核型背景，且这种关系在核型空间距离增大时迅速减弱。
全基因组加倍（WGD）改变非整倍体积累动态
对两个p53敲除细胞系的分析表明，WGD+群体比WGD-积累更多染色体改变（非线性饱和模型Wald检验P<10-6）。虽然WGD+和WGD-群体的适应度都随染色体改变数增加而提高，但WGD+克隆的单步适应度效应分布向有害结果较少的方向偏移（置换KS检验p=0.03），表明WGD不仅加速核型多样化，还减少了适应度降低的非整倍体状态库。
错分离率影响核型优势
通过稳态分布分析发现，28/35的测试亚系在不同错分离率下出现优势核型切换。在两个深入研究的例子（p53 k.o. A和SA532）中，群体频率显示存在明显的临界阈值，超过该阈值群体内优势会发生翻转。UMAP投影显示这些组在核型空间明显分离，支持其作为“准物种”（quasispecies）的解释。值得注意的是，在p53 k.o. A中，高错分离率优势组具有较低倍性，而在SA532中则享有邻域大小优势，印证了错误阈值理论在核型演化中的应用。
这项研究通过ALFA-K框架首次实现了对核型适应度景观的局部量化，为理解非整倍体在肿瘤进化中的作用提供了新视角。研究发现WGD通过增强细胞对CNA的耐受性而促进染色体进化，同时证实CNA适应度效应具有背景依赖性，且错分离率与核型适应度景观形状、倍性共同决定克隆优势。这些发现不仅深化了对非整倍体演化机制的理解，也为基于进化原理的肿瘤治疗策略提供了理论依据。随着单细胞测序技术的进步和更多纵向数据的积累，ALFA-K有望在预测肿瘤进化轨迹和优化治疗策略方面发挥更大作用。
