《Cell Genomics》：Detecting low-allele-fraction mosaic mutations: A multi-institution benchmarking with cell-line mixtures
编辑推荐：
正常组织中的嵌合突变通常以较低的变异等位基因分数（variant allele fraction, VAF）存在，这增加了其检测难度。为对变异检出策略进行基准测试，SMaHT网络构建了一种细胞系混合物（1:49），并在五个中心生成了超深度的短读长和长读长全基因
正常组织中的嵌合突变通常以较低的变异等位基因分数（variant allele fraction, VAF）存在，这增加了其检测难度。为对变异检出策略进行基准测试，SMaHT网络构建了一种细胞系混合物（1:49），并在五个中心生成了超深度的短读长和长读长全基因组测序（whole-genome sequencing, WGS）数据（每个中心覆盖深度为170×–470×）。研究人员组装了一套嵌合单核苷酸变异（single-nucleotide variant, SNV）和插入缺失（indel）的参考集，并通过长读长数据交叉验证以揭示短读长测序的局限性。此外，研究人员根据可作图性（mappability）对基因组进行分区以考察基因组背景的影响，添加了一个阴性参考集，并排除了培养来源的突变。当七家机构应用十二条分析流程时，各工具与重复样本间的检出集在很大程度上不一致，这在一定程度上反映了低VAF突变在生物学重复中的随机采样效应。对于VAF高于2%的SNV，在≥300×深度下，敏感性和精确率接近80%，而进一步增加测序深度收益甚微。这项工作建立了在非癌组织中可靠检测低VAF突变的框架和最佳实践，并为学界提供了有价值的资源。
低等位基因分数嵌合突变检测的多机构基准测试及细胞系混合物参考资源解读
**研究背景与问题**
人体正常组织中的体细胞突变可在受精后发生，并被个体内一部分细胞继承，形成体细胞嵌合（somatic mosaicism）。这些嵌合突变的克隆性差异很大，取决于突变发生时间、组织谱系和克隆扩增动力学。常规约30×覆盖度的批量全基因组测序（whole-genome sequencing, WGS）难以检测变异等位基因分数（variant allele fraction, VAF）低于10%的突变，而大多数嵌合变异恰好落在此范围。准确识别这些突变有助于理解人类发育、衰老和组织特异的细胞动态，且越来越多与心脏、肝脏和脑部疾病相关的致病性嵌合突变在非癌样本中被发现，临床意义日益凸显。然而，检测VAF低于5%的嵌合变异仍面临巨大技术挑战，验证率仅约10%–40%。在测序错误和系统人为 artifacts 存在下，随着VAF降低，信噪比恶化，变异鉴定愈发困难。癌症突变因克隆扩增而VAF较高，且匹配的非癌对照可过滤技术伪影与胚系突变；而单样本无对照的嵌合突变检测（常见于正常组织）准确性大幅下降。现有基准测试多局限于外显子组或排除重复序列的“高置信”区域，且对VAF极低（<5%）的变异缺乏全基因组层面的系统评估。
**研究目的与设计**
为解决上述问题，研究人员利用人类黑色素瘤细胞系COLO829与其匹配正常细胞系COLO829BL，按1:49比例构建了生物学可控的细胞混合物COLO829BLT50，使肿瘤特异性突变以1%（杂合）或2%（纯合）的VAF引入。该混合物由五个基因组表征中心（genome characterization centers, GCCs）独立进行超深度短读长和长读长WGS测序，每个中心平均深度170×–470×，总深度超过1,700×。通过整合四种互补的Illumina短读长变异检出方法（Mutect2、Strelka2、RUFUS和VarNet）进行候选突变鉴定，再利用约500×的PacBio HiFi长读长数据对候选变异进行正交验证，构建了高质量参考集。同时，研究人员定义了阴性对照集以区分真实突变与未经验证的疑似突变，并识别了细胞培养过程中产生的突变，将其纳入参考集或作为掩蔽区域。此外，为评估更高VAF范围（0.25%–16.5%）的检测表现，研究人员构建了由六种HapMap细胞系组成的混合物，利用已知胚系变异模拟嵌合变异，以探讨测序深度和等位基因采样对检测灵敏度的影响。
**主要关键技术方法**
研究人员采用多中心、多平台的超深度WGS策略：Illumina短读长测序用于候选变异发现，PacBio HiFi长读长测序用于正交验证；构建细胞系混合物（COLO829BLT50和HapMap六系混合物）；联合四种短读长变异检出算法（Mutect2、Strelka2、RUFUS、VarNet）及长读长验证流程；应用基因组区域易作性分层（easy/difficult/extreme）；建立阴性对照集与培养来源突变过滤策略；并使用SMaHT网络统一的数据处理和质量控制流程。所有测序数据和参考集已公开（https://data.smaht.org）。
**研究结果**
**1. 利用短读长和长读长平台构建高置信参考集** 通过对COLO829细胞系及其匹配正常的深度测序，研究人员从61,649个SNV和4,475个indel候选突变中，经PacBio长读长验证，最终获得44,005个SNV、961个插入和1,098个缺失作为参考集。SNV验证率中位数为92%，而indel仅63%，提示短读长在indel检测方面仍存在困难。参考集突变VAF大部分低于2%，且约96%的SNV被两个或多个检出工具共同识别，而36%的indel仅由单一方法检出。
**2. 低VAF嵌合突变在不同独立数据集间的采样变异性** 利用五个中心独立测序的COLO829BLT50数据，发现SNV采样率高度依赖VAF和测序深度。170×深度下，VAF>1%的SNV采样率约82%；470×深度下近99%被采样。但VAF<0.5%的变异即使在390×–470×下采样率也仅约80%。基因组背景显著影响采样一致性：在“难”和“极端”区域，变异更容易在多个数据集间缺失或仅被个别数据集检出。
**3. 阴性对照的建立与培养来源突变的识别** 为避免将未经验证的真突变误判为假阳性，研究人员定义了包含纯合参考位点和胚系变异的阴性对照集，并将无法确定的位点标记为掩蔽。通过比较混合物与纯细胞系数据，结合PacBio验证和突变特征分析，发现了5,372个高置信培养来源SNV和196个indel，这些突变在细胞系传代过程中出现，并在多个生物学重复中被一致检出。研究人员利用液滴数字PCR（ddPCR）验证了其中三个突变，证实其在传代过程中VAF逐渐增加。
**4. SMaHT低VAF（<2%）嵌合突变检测挑战** 七家机构共提交十二条单样本分析流程（包括MosaicForecast、Mutect2的多种配置、Lancet、RUFUS、DRAGEN等）参与评测。结果显示，在170×深度下，各流程对SNV的敏感性普遍较差，仅少数流程在2%–3% VAF区间达到约50%敏感性；在≥390×深度下，约半数方法敏感性超过70%。固定VAF阈值（如<2%或<5%）会显著抑制真阳性检出。对于indel，即使470×深度，最佳方法（RUFUS配对对照）敏感性也仅约15%。不同机构独立分析的变异检出结果高度异质，交集分析显示大量真阳性为各流程独有，假阳性重叠极少。
**5. 不同基因组区域中的低VAF突变检测** 按照易作性将基因组分为easy（74%）、difficult（10%）和extreme（16%）三类。在easy区域，2% VAF的SNV检出F1分数可达0.9以上；在difficult和extreme区域，F1分数约下降一半。长读长与短读长VAF估计在extreme区域一致性降低（SNV相关系数0.92，indel为0.71）。研究人员开发了跨样本伪影过滤流程，可减少difficult和extreme区域50.3%和59.4%的SNV假阳性，同时仅损失0.3%和0.1%的真阳性。
**6. 基于HapMap细胞系混合物的测序深度与采样变异性分析** 利用包含约480万个参考SNV、VAF范围0.25%–16.5%的HapMap混合物，发现VAF>1%的变异在四个短读长数据集中的至少一个数据集中被检出的比例超过98.8%，但VAF≤0.5%的变异仅4%能在所有重复中被一致采样。使用Mutect2评估发现，对于1% VAF变异，深度从100×提高到300×时敏感性从11%升至40%；对于2% VAF变异，敏感性从39%升至84%；超过300×后提升有限。此外，报告VAF通常高于预期VAF，存在采样偏差，尤其低VAF变异VAF值常被高估。
**讨论与结论**
研究指出，仅依靠提高测序深度来检测低VAF嵌合突变存在明显的收益递减效应，即使约500×深度下，1%–2% VAF SNV检出的中位敏感性仅约0.5。当前方法的性能受等位基因采样、检出器模型假设和基因组背景三方面共同制约，未来需要深度感知、流程特异性和区域分层的检测策略。PacBio长读长数据在构建参考集中发挥了关键作用，但实际组织中获取高深度长读长数据存在困难（如需要高分子量DNA），交叉平台验证有助于改进仅依赖Illumina数据的检测流程。单细胞WGS、双链测序及多组织联合分析等方法值得进一步探索。研究的局限性包括：细胞系混合物为人工构建，无法完全模拟体内嵌合的空间克隆结构；部分变异可能被所有短读长工具错过，导致敏感性评估存在边界。
总体而言，该研究建立了面向超低VAF（<2%）嵌合突变的全基因组基准测试框架和最佳实践，提供了公开可用的细胞系混合物、参考集和标准流程，对推动非癌组织中低VAF突变的准确检测具有重要意义。
