《Nature Methods》:Echidna: a Bayesian framework for integrative inference of copy number alterations impacting phenotypic plasticity
编辑推荐:
细胞响应遗传或环境变化而调整其行为的能力,是驱动正常与病理情境(包括肿瘤演化)中细胞多样性的基础生物学过程。拷贝数改变(copy number alterations, CNAs)可包括大规模基因组倍性变化,在演化中的细胞群体产生适应性优势方面发挥关键作用。然
细胞响应遗传或环境变化而调整其行为的能力,是驱动正常与病理情境(包括肿瘤演化)中细胞多样性的基础生物学过程。拷贝数改变(copy number alterations, CNAs)可包括大规模基因组倍性变化,在演化中的细胞群体产生适应性优势方面发挥关键作用。然而,跨实验追踪这些群体,并将CNAs的作用与其他来源的转录变异性相区分,仍然具有挑战性且成本高昂。在此,研究人员提出Echidna——一种贝叶斯分层模型(Bayesian hierarchical model),其整合单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)与批量全基因组测序(bulk whole-genome sequencing, WGS)数据,从而能够在样本和治疗时间点之间联合、稳健地开展CNAs的整合推断,以更好地理解基因组事件对细胞表型的影响。将Echidna应用于患者肿瘤标本后,研究人员证明其在克隆重建方面具有优越性能,并获得对治疗抵抗机制的见解。
研究背景与问题:基因组与转录组之间的相互作用驱动分化、适应和环境响应等过程,肿瘤演化是其典型体现,基因组不稳定和转录变异性共同产生多样表型状态,使癌细胞适应免疫监视和治疗等选择压力。然而,基因组和转录组此前多被作为分离特征研究:全基因组测序(whole-genome sequencing, WGS)已表明染色体不稳定和体细胞拷贝数改变(copy number alterations, CNAs)驱动肿瘤进展并形成遗传上不同的克隆;单细胞RNA测序(single-cell RNA sequencing, scRNA-seq)则揭示表型状态间的广泛异质性,这种异质性反映表型可塑性(phenotypic plasticity,克隆在状态间转换的能力)。目前尚不清楚转录可塑性在多大程度上由内在遗传特征即基因剂量效应(gene dosage effect, GDX)驱动,而非由外在微环境刺激驱动。既往量化基因组与转录组联系的方法多依赖bulk测序,掩盖肿瘤异质性和微环境中非癌细胞贡献;单细胞水平配对基因组与转录组分析虽技术上可行,但难以规模化、深度受限且数据稀缺;已有从scRNA-seq推断单细胞CNA的方法基于隐马尔可夫模型(hidden Markov model, HMM),其顺序约束限制了对CNA与表达关系的建模,不能联合考虑下游转录效应,也不能跨时间点和组织捕获克隆演化。为此,研究人员提出Echidna,整合基因组和转录组以改进CNA推断、量化转录与CNA依赖并研究克隆动态;Echidna仅需scRNA-seq和bulk WGS,且不需要正常参考或严格顺序假设,并建模连接肿瘤演化与表型可塑性的时间动态。其意义在于可发现驱动肿瘤可塑性和治疗抵抗的新基因组改变及其发挥作用的转录机制。
关键技术方法(不超过250字):Echidna以scRNA-seq定义的细胞簇为表型状态、以bulk WGS基因剂量为输入,采用变分推断的贝叶斯分层模型联合建模;scRNA计数用Gamma-Poisson分布处理过度离散,簇间基因剂量协方差用Cholesky分解与LKJ先验参数化。后处理包括一维高斯核平滑、高斯混合模型(Gaussian mixture model, GMM)估计簇特异性中性拷贝数、Gaussian HMM推断离散拷贝数变异(copy number variation, CNV)状态,并以层次聚类重建克隆;GDX由后验分布计算,统计采用置换检验、Benjamini–Hochberg校正、Fisher精确检验及Moran’s I空间自相关。样本队列来源包括子宫内膜癌、胶质母细胞瘤、胰腺导管腺癌(PDAC,17例)、非小细胞肺癌(NSCLC)原发与脑转移及黑色素瘤anti-PD-1纵向样本。
研究结果:Overview of Echidna:Echidna联合建模bulk WGS与scRNA-seq,将bulk基因剂量建模为潜在簇特异性基因剂量按簇比例加权之和,并以相关多元高斯建模簇间相似性;scRNA计数用Gamma-Poisson建模,转录率受基因剂量影响。通过模型设计和后处理,Echidna可跨时间点学习CNA、表型可塑性和克隆演化。Echidna outperforms other methods in clonal reconstruction:在子宫内膜癌匹配单核RNA测序(single-nucleus RNA sequencing, snRNA-seq)、单核DNA测序(single-nucleus DNA sequencing, snDNA-seq)和WGS数据(患者2和5)中,以snDNA数据作ground-truth验证,Echidna在纯度、调整互信息(AMI)和调整兰德指数(ARI)上显著优于inferCNV、CopyKAT、Numbat和XClone(P < 1×10
?10);tumor 2中克隆T2B对应转录特征不同的cluster 7和8,Echidna恢复更接近ground-truth的簇间遗传相似性,并将T2A细分为C2、C3和C4等亚克隆。Echidna achieves robust estimation of gene dosage and accurate prediction of CNV states:在同一数据中,Echidna的簇水平基因剂量估计与分箱scDNA数据的Pearson和Spearman相关性优于其他方法,CNV状态预测的precision、recall、真阳性率和假阳性率表现更优,表明整合scRNA与WGS可准确估计基因剂量及其下游转录效应。Echidna accurately detects clones characterized by focal amplifications:在胶质母细胞瘤DEFND-seq snRNA-seq/snDNA-seq及配对WGS数据中,Echidna捕获由EGFR和PDGFRA定义的克隆,识别MDM2全局扩增及EGFR、PDGFRA克隆特异局灶扩增,并显示C2中EGFR下调和PDGFRA上调。Echidna captures phenotypic diversity while preserving genetic similarity in metastatic niches:在17例PDAC原发肿瘤伴肝或肺转移复发队列中,肝与肺转移复发相关转录程序不同但无可检测基因组签名;Echidna在632个肝签名基因和999个肺签名基因中仅分别检测到11个和3个基因CNA显著不同,说明其不会在转录差异明显时产生虚假CNA差异。Echidna characterizes clonal evolution during tumor metastasis:在NSCLC原发肿瘤与匹配脑转移数据(1,501个原发肿瘤细胞和1,581个脑转移细胞)中,Echidna识别转移相关克隆C1,其特征为chr2、4、5、7、9、16和20扩增;C1–C3提示主要转移机制,C4与第二个转移相关克隆C5成组;DEG热点富集上皮–间质转化、炎症和缺氧通路,关键基因包括APP、TGIF1、TRIM27、CDK12、GPNMB、HNRNPA2B1、RALA、TSG101和SRSF1。Echidna tracks clonal evolution during immune checkpoint blockade therapy using longitudinal data:在anti-PD-1治疗的黑色素瘤纵向数据中,Echidna重建两个时间点数据并恢复治疗中扩增的clone 3(chr1和6扩增;治疗前罕见cluster 9,治疗后cluster 5),clone 2仅在治疗时出现,clone 1和4收缩;inferCNV和XClone能识别扩增克隆,Numbat和CopyKAT未识别。Echidna quantifies the effect of gene dosage on temporal gene expression dynamics and phenotypic plasticity:在扩增与收缩克隆的差异表达基因(differentially expressed genes, DEGs)中,热点DEGs的GDX显著高于非热点DEGs(P < 1×10
?3);收缩克隆热点含锌指蛋白和长链非编码RNA,扩增克隆H1含S100A家族基因、H2富集MHC-II基因;GDX较表达量更稳健地区分免疫检查点抵抗(ICR)热点与非热点基因;空间转录组SlideSeq显示clone 4与clone 2空间分离,S100A4的GDX为0.59、HLA-DRA为0.4、CD74为0.11,提示GDX可区分内在遗传驱动与外在因素驱动的空间变异。
讨论部分总结:表型可塑性已成为肿瘤发生、进展及靶向和免疫治疗抵抗中的重要概念;scRNA-seq揭示广泛转录异质性,但缺乏跨多个时间点和条件准确估计并校正基因剂量的方法,区分基因剂量差异与肿瘤微环境相互作用或非基因组事件诱导的可塑性仍是未满足需求。scDNA与RNA联合测量虽可部分解决该问题,但技术上困难且难以规模化;bulk WGS与scRNA-seq来自同一样本已可行且可扩展,因此研究人员开发Echidna整合这些模态,以改进基因剂量估计并量化其对转录变异性的贡献。Echidna的概念核心是分层建模克隆身份与转录程序关系,在有多时间点数据时解析细胞适应和克隆动态;在克隆多样性驱动治疗抵抗和复发的癌症中,Echidna提供高分辨率且技术和计算可扩展的工具。当前Echidna适用于CNA为定义性标志的癌症类型,尚不纳入表观遗传调控导致的转录变化;未来可整合染色质可及性等数据、将WGS检测的SNV纳入克隆相似性先验,并扩展GDX指标以更严格区分基因组改变驱动的转录程序与其他机制。研究结论部分翻译:鉴于人们日益认识到,在不同疾病和治疗情境中,决定耐药性的可能是大的染色体畸变而非特定点突变,Echidna提供了一个框架,可在考虑不同可塑性来源的同时开始揭示潜在机制;总之,这些进展将进一步增强研究人员识别表型可塑性基因组驱动因素的能力。