SNP与抗体分选技术(SNACS)：单细胞DNA测序数据解卷积的新工具及其在白血病研究中的应用

《Bioinformatics》：Single Nucleotide Polymorphism (SNP) and Antibody-based Cell Sorting (SNACS): A tool for demultiplexing single-cell DNA sequencing data

本研究针对单细胞DNA测序(scDNA-seq)多样本混合实验的解卷积难题，开发了结合单核苷酸多态性(SNP)和抗体标记(SNACS)的创新算法。通过白血病患者样本验证，SNACS解卷积准确率达0.948-0.991，显著优于现有方法。该技术为大规模癌症异质性研究提供了高效解决方案，相关成果发表于《Bioinformatics》。

在癌症研究领域，单细胞DNA测序(scDNA-seq)技术近年来带来了革命性突破，能够揭示肿瘤内部的遗传异质性和克隆进化过程。然而这项技术面临着一个关键瓶颈：当研究人员试图扩大研究规模，将多个患者样本混合检测时，如何准确地将测序数据重新"归位"到原始样本成为重大挑战。现有解卷积方法主要针对单细胞RNA测序(scRNA-seq)设计，在DNA测序数据中表现欠佳，准确率最低仅0.552，这严重限制了该技术在临床研究和大规模队列中的应用价值。

针对这一技术瓶颈，斯坦福大学和加州大学旧金山分校的研究团队开发了一种名为SNACS(SNP和抗体分选技术)的创新解决方案。这项研究巧妙结合了两种信息源：一是每个患者独特的遗传指纹——单核苷酸多态性(SNP)，二是通过抗体标记技术为每个样本添加的人工"条形码"。就像给图书馆的每本书同时贴上RFID标签和记录独特的磨损特征，双重验证确保了更高的分类准确性。相关研究成果发表在生物信息学顶级期刊《Bioinformatics》上。

研究团队采用了几个关键技术方法：首先利用微流控平台(Tapestri)进行单细胞捕获和测序；其次开发了基于层次聚类和环形二元分割(CBS)的算法流程；最后通过模拟数据和真实白血病患者样本(8例初筛队列+4例验证队列)进行验证。特别值得注意的是，研究设计了严谨的"金标准"验证体系，通过对比混合样本与单独测序样本的SNP谱来评估算法准确性。

研究结果部分展示了系统的验证过程：

"算法设计"部分详细阐述了SNACS的三步工作流程：首先利用抗体信号进行初步分类；然后筛选最具区分度的SNP位点；最后通过层次聚类和抗体信号验证完成最终分类。这种方法创新性地实现了遗传信息与蛋白标记的协同利用。

"系统与方法"部分介绍了研究采用的实验体系。通过11个scDAb-seq实验(7个开发集+4个验证集)，使用288个AML相关基因的靶向panel，获得了70,476个SNP位点的数据。特别设计了单样本实验作为"金标准"，为算法评估提供真实基准。

"实证数据性能"部分显示，在2-4个样本混合实验中，SNACS的准确率达到0.948-0.991，显著优于现有方法。例如在患者A+B混合实验中，SNACS准确率0.991，而表现次优的Robinson方法仅0.934。更重要的是，SNACS保留了95%以上的输入细胞，过滤率显著低于其他方法。

"独立验证队列"部分将SNACS扩展到8个样本混合场景。虽然技术上可行，但研究发现当样本数超过4个时，每个样本获得的细胞数可能低于500个，提示存在实际应用限制。模拟数据表明，将输入细胞数提高10倍可缓解这一问题。

"缺失数据耐受性"测试显示，SNACS在缺失数据达40%时仍保持良好性能，超过这一阈值时算法会发出警告，体现了良好的鲁棒性。

研究结论部分指出，SNACS成功解决了scDNA-seq多样本混合实验的解卷积难题，其创新性主要体现在三个方面：一是首次将SNP与抗体标记结合使用；二是开发了适应DNA测序特点的算法流程；三是建立了严格的验证体系。相比现有方法，SNACS在保持高细胞保留率的同时，将准确率提高了5.8%-43.9%。

讨论部分深入分析了技术优势和应用前景。研究者特别指出，虽然SNACS主要针对跨样本多重检测(across-sample multiplets)，但结合doubletD算法后也可能识别样本内多重检测(within-sample multiplets)。研究也坦诚技术局限，包括对罕见细胞群体的潜在错误分类，以及样本数超过4个时的实用性挑战。

这项研究的临床意义尤为突出。以白血病为例，能够同时分析多个患者的肿瘤克隆演化，对理解治疗耐药机制至关重要。研究团队已将该技术应用于混合表型急性白血病(MPAL)研究，成功解析了干性特征(Peretz et al., 2024)。随着单细胞技术的普及，SNACS有望成为癌症研究和临床检测的标准工具之一。

未来发展方向包括：优化靶向panel设计，纳入更多人群高频SNP位点；拓展到其他癌症类型；与表观遗传等组学数据整合。研究团队已公开所有代码和数据，体现了科学共享精神。这项研究不仅解决了具体的技术难题，更为单细胞多组学研究的规模化应用开辟了新途径。