《Frontiers in Bioinformatics》：Assessment of computational methods for fusion transcript detection in targeted RNA-seq samples
编辑推荐：
转录融合是常与肿瘤发生相关的异常遗传事件。因此，利用生物信息学方法从RNA测序（RNA-seq）数据中检测融合转录本是癌症研究中的一项重要任务。为此已开发多种工具，但现有基准评估在真实数据上的准确性方面尚无定论。此外，既往评估仅使用批量RNA测序（bulk R
转录融合是常与肿瘤发生相关的异常遗传事件。因此，利用生物信息学方法从RNA测序（RNA-seq）数据中检测融合转录本是癌症研究中的一项重要任务。为此已开发多种工具，但现有基准评估在真实数据上的准确性方面尚无定论。此外，既往评估仅使用批量RNA测序（bulk RNA-seq）样本，目前的融合转录本检测方法尚未在替代场景下得到评估，例如靶向RNA测序（targeted RNA-seq）样本。本文在靶向RNA测序样本和模拟批量RNA测序样本上评估了8种融合转录本检测工具（Arriba、ChimeRScope、CICERO、FuSeq、FusionCatcher、Pizzly、JAFFA和STAR-Fusion），所选工具为既往基准评估中表现最佳者，并将其分为基于比对（alignment-based）和免比对（alignment-free）两类。靶向RNA测序数据集包含92例经人工验证融合事件的儿童B细胞前体急性淋巴细胞白血病（BCP-ALL）真实样本；模拟数据集包含10个含合成融合事件的样本。结果表明，STAR-Fusion和FusionCatcher在靶向RNA测序样本上表现优异，而Arriba和STAR-Fusion在模拟样本上表现优异。总体而言，研究人员得出结论：STAR-Fusion是两种场景下最为稳健的工具。
论文解读：靶向RNA测序中融合转录本检测计算方法的系统评估
一、研究背景与问题
基因融合（gene fusion）源于染色体重排，将不同基因连接为杂合基因，可产生嵌合转录本及具有致癌潜能的异常蛋白，是多种癌症诊断与治疗的重要生物标志物。RNA测序（RNA-seq）因比全基因组测序更经济且聚焦于具有功能效应的融合事件，已成为检测基因融合最具成本效益的技术手段。
尽管已有多种工具从短读长RNA-seq数据中检测融合转录本，并在模拟与真实数据上得到评估，但现有基准研究存在若干局限：其一，真实数据上的结果尚无定论，因为无法完美定义金标准；其二，既往评估仅使用bulk RNA-seq样本，未涵盖靶向RNA测序这一在临床场景中日益重要的技术；其三，标准基准数据集——BT474、KPL4、MCF7和SKBR3四种乳腺癌细胞系——经数十年连续培养，已积累大量染色体不稳定性和克隆间异质性，部分基准融合事件可能反映培养获得的伪迹而非临床相关事件，且仅代表单一癌症类型，验证金标准规模较小，难以覆盖融合伙伴、断点结构和表达情境的多样性。
因此，本研究旨在系统评估8种融合转录本检测工具在靶向RNA测序样本及模拟bulk RNA-seq样本上的性能，填补该领域在靶向测序场景下缺乏基准评估的空白。
二、研究内容与主要结论
研究人员评估了8种工具——Arriba、STAR-Fusion、FusionCatcher、FuSeq、Pizzly、ChimeRScope、JAFFA和CICERO，涵盖5种基于比对的方法和3种免比对方法。真实数据集包含92例儿童B细胞前体急性淋巴细胞白血病（BCP-ALL）样本，源自靶向RNA测序（TruSight RNA Pan-Cancer kit，覆盖1,385个癌症相关基因，每样本约300万条双端76 bp读长）；模拟数据集包含Haas等人（2019）生成的两组各5个样本的bulk RNA-seq数据（PE50和PE101，各含500个融合转录本）。
研究得出以下核心结论：STAR-Fusion是唯一在两种场景下均排名前二的工具——在靶向RNA测序数据集上以89.9%的平均AUC（精确率-召回率曲线下面积）排名第一，在模拟数据集上以69.1%排名第二，仅次于Arriba。STAR-Fusion和FusionCatcher在靶向RNA测序样本上表现优异，而Arriba和STAR-Fusion在模拟样本上表现优异。总体而言，STAR-Fusion是两种场景下最稳健的工具。
三、关键技术方法
研究人员构建了一套标准化计算流水线，依次执行融合调用、结果解析、基因符号映射（映射至GENCODE v19注释集并纳入基因组坐标重叠基因的替代符号）、FusionAnnotator元数据注释、模糊来源融合过滤（排除邻基因、序列相似基因、线粒体基因、HLA基因、自融合及支持读长低于10的融合事件）、评分及结果绘图。评分方案采用Fusion Transcript Benchmark Toolkit，以真阳性（TP）、假阳性（FP）、假阴性（FN）为基础计算真阳性率（TPR）、阳性预测值（PPV）、F1分数及精确率-召回率曲线AUC，并通过Mann-Whitney U检验和Benjamini-Hochberg校正评估工具间差异。所有工具均以人类基因组hg38为参考，使用默认参数执行。
四、研究结果
4.1 模拟数据集上的性能
在模拟数据集上，工具间平均AUC呈现明显分离：PE101数据集上按Arriba、STAR-Fusion、CICERO、FusionCatcher、JAFFA、ChimeRScope、Pizzly、FuSeq严格降序排列；PE50数据集上按Arriba、STAR-Fusion、FusionCatcher、Pizzly、ChimeRScope、JAFFA、FuSeq、CICERO排列，除JAFFA与ChimeRScope在PE101上无显著差异外（q=0.053），所有成对差异均具统计学显著性。基于比对的Arriba和STAR-Fusion在两个数据集上F1分数最优：Arriba在PE50和PE101上分别得分84%和89%，STAR-Fusion分别得分80%和84%。所有工具（除Pizzly外）的TPR均随读长增加而提升，PPV保持稳定且不低于85%，表明更长读长携带更多信息。
4.2 真实靶向RNA测序数据集上的性能
在靶向RNA测序数据集上，工具间平均AUC同样呈完全可分离的严格排序：STAR-Fusion、FusionCatcher、FuSeq、Pizzly、JAFFA、Arriba、ChimeRScope、CICERO，所有成对差异均具统计学显著性。F1分数方面，STAR-Fusion（91%）和FusionCatcher（88%）最高，其次为FuSeq（66%），其余工具处于中低区间。PPV方面，STAR-Fusion（87%）和FusionCatcher（85%）领先；TPR方面，CICERO和STAR-Fusion均为95%，Arriba为94%，FusionCatcher为92%。
在Classical样本中，FusionCatcher和STAR-Fusion是仅有的检出全部真实融合事件的工具。在B-other样本中，多数工具漏检DUX4-r组涉及ERG基因的融合事件，这类融合源于该基因序列的缺失，缺乏标准工具所搜寻的序列模式；STAR-Fusion是唯一检出全部DUX4-r融合的工具。基于比对的工具整体检出TP数量最高，免比对工具FN数量最高。
4.3 金标准验证状态对工具性能的影响
将金标准限制为29个经正交方法（FISH、RT-PCR或MLPA）独立验证的融合事件后，所有工具的AUC和F1分数均下降，其中表现最佳的工具降幅最大：STAR-Fusion的F1分数从0.91降至0.71，AUC从0.90降至0.63；FusionCatcher的F1分数从0.88降至0.66，AUC从0.85降至0.53。工具相对排序大体保持，表明部分表观性能可归因于依赖计算共识而非独立确认的融合事件。
4.4 计算资源消耗
Pizzly和Arriba最快且内存占用最低（均在2分钟内完成，峰值内存低于5 GB）；STAR-Fusion内存需求最高（中位数37.9 GB）但样本间波动最小；CICERO和JAFFA最慢（中位数分别约25和24分钟），运行时间范围最宽（分别达67和81分钟），反映其基于局部组装的检测策略计算成本随样本复杂度变化；ChimeRScope内存范围最宽（19.6–41.8 GB）。
五、讨论与结论
讨论部分指出，STAR-Fusion的稳健性源于其基于基因组的比对策略和成熟的过滤流程，使其在靶向和模拟场景下均能保持高精度与高召回率的平衡。Arriba在模拟数据上表现最佳但在靶向数据上排名靠后，提示其过滤策略可能不适配靶向测序的读长和覆盖特征。免比对工具在模拟数据上表现尚可，但在靶向数据上F1分数显著下降，可能因其对读长和覆盖度的敏感性较高。研究还指出，CICERO和JAFFA在短读长（PE50）上的表现不佳可能源于其局部组装流程在短读长条件下的退化。
研究结论为：STAR-Fusion是靶向RNA测序和模拟bulk RNA-seq两种场景下最稳健的融合转录本检测工具，推荐在临床靶向测序场景中优先选用。该研究首次系统评估了融合检测工具在靶向RNA测序数据上的性能，为临床实践中的工具选择提供了循证依据，也为未来工具开发和基准评估设计提供了重要参考。
