《Cell Reports Methods》：Improving computational tumor ploidy estimation in complex cancer genomes through flow-cytometry-guided calibration
编辑推荐：
DNA倍性是肿瘤行为与预后的重要预测指标，其准确估计对于转化癌症研究与诊断中的稳健基因组分析至关重要。然而，基于下一代测序的拷贝数异常（CNA）检测算法最常用的计算机模拟倍性估计方法，常因倍性解拟合的固有模糊性而失准。本研究通过将全基因组测序的倍性估计与流式细
DNA倍性是肿瘤行为与预后的重要预测指标，其准确估计对于转化癌症研究与诊断中的稳健基因组分析至关重要。然而，基于下一代测序的拷贝数异常（CNA）检测算法最常用的计算机模拟倍性估计方法，常因倍性解拟合的固有模糊性而失准。本研究通过将全基因组测序的倍性估计与流式细胞术（FC）测得的金标准倍性测量值进行比较，评估了最先进的CNA检测算法的准确性。研究人员证明，在具有复杂基因组的癌症中，CNA检测算法的失准率高达38%，这影响癌症基因拷贝数的准确估计，并可能对临床决策和肿瘤进化推断产生影响。重要的是，基于流式细胞术的CNA检测算法校准可产生高度准确的倍性估计（ρPearson = 0.92，p < 0.001），为解决复杂癌症中损害临床决策和进化推断的重大不准确问题提供了稳健的解决方案。
以下是根据论文主体部分内容撰写的论文解读文章：
**研究背景与问题**
肿瘤倍性（tumor ploidy）定义为细胞总DNA含量以23条染色体组倍数（即基因组当量N）表示的值，正常二倍体细胞为2N。肿瘤倍性在癌症进化中起关键作用，是肿瘤行为、预后及诊断的生物标志物。从全基因组拷贝数异常（CNA）谱中准确估计拷贝数和DNA倍性，对肿瘤纯度估算、亚克隆重建、癌症进化史推断、驱动基因鉴定、拷贝数突变特征及基因剂量分析等下游分析至关重要。全基因组加倍（WGD）作为细胞染色体内容的复制，与多种癌症的侵袭性行为和不良预后相关。然而，虽然基于下一代测序的CNA分析方法已广泛用于WGD评估，但十多年前的文献就已指出，从CNA谱（即使来自单核苷酸多态性阵列）计算机模拟推导的倍性估计经常是错误的（20%–30%）。更近的基准研究也证实，基于CNA的方法仍然不一致，性能因方法和数据集而异。这种不一致主要源于倍性存在多个数学上等价的解，可对应不同组织纯度——例如，二倍体样本可被等效地建模为任何2N倍数的倍性，且这些等价解彼此相差两倍，即相隔一个WGD事件。尽管存在一些启发式方法用于人工复核CNA检测算法的倍性解（如匹配平衡区域的单核苷酸变异纯度、非整数拷贝数状态缺失、50%癌细胞分数的亚克隆事件等），但没有确定性的计算机模拟方法能可靠识别错误的倍性估计，这在基因组复杂或具有大亚克隆群体的肿瘤中尤其困难。流式细胞术（FC）与DNA染色结合可提供实验金标准倍性测量，具有高重现性和高通量能力，但将其整合到现代基因组工作流程中仍缺乏系统框架。
**研究内容与结论**
研究人员利用51例未分化软组织肉瘤（USARC）、53例高级别骨肉瘤（HGOS）及15例易位相关肉瘤的全基因组测序（WGS）数据，系统评估了三种最先进的CNA检测算法（Battenberg、PURPLE、FACETS）的倍性估计准确性，并与FC实验测量值进行比较。结果发现：在USARC中，Battenberg和PURPLE的倍性估计一致性最高（ρPearson = 0.34，p = 0.022），但仍有24%样本存在分歧；FACETS因过度分段与另两种算法一致性较低。与FC金标准相比，Battenberg在USARC和HGOS中的倍性错误率分别达38%和28%，错误多为恰好相差一个WGD事件（两倍关系）。研究人员建立了标准化FC方案，包括验证DAPI荧光强度与DNA含量呈线性关系（r2 = 1.0，p < 0.001）、标准化细胞核密度和染色时间，并与图像细胞术（IC）交叉验证（ρPearson = 0.88，p < 0.001）。利用FC倍性值校正CNA算法后，校正后Battenberg倍性与FC相关性在USARC和HGOS中分别提升至ρPearson = 0.92和0.95（p < 0.001）。校正导致USARC中16/47例和HGOS中12/53例的WGD状态发生改变。下游GISTIC分析显示，校正前USARC中620个基因、HGOS中1,823个基因的反复改变被错误识别，校正后分别新发现385个和329个额外的反复改变（如USARC中的CDK3扩增和DCLRE1C/Artemis缺失）。研究人员进一步证明，常用的计算机模拟校正提示（如半整数拷贝数片段比例、SNV纯度比较）不可靠，且两名专家的人工倍性复判一致性低（ICC(3,k) = 0.052，p = 0.007），平均差异反而高于原始Battenberg调用（51% vs 38%）。尤为关键的是，在15例基因组“安静”（拷贝数改变稀少）的易位相关肉瘤中，3例（20%）被Battenberg误判为二倍体，而FC检测出近四倍体（SS和LGFMS的FC倍性分别为3.8N和3.9N，SFT为3.4N），其拷贝数谱几乎“静默”，组织病理学复核及核分割确认这些肿瘤细胞核显著增大。
**主要技术方法**
研究使用的主要关键技术方法包括：（1）流式细胞术（FC）：对福尔马林固定石蜡包埋（FFPE）组织进行DAPI染色，测量肿瘤细胞DNA含量，以非肿瘤二倍体组织作为外部对照，标准化细胞核密度和染色时间以保证准确性；（2）全基因组测序（WGS）及三种CNA检测算法：Battenberg、PURPLE和FACETS用于获得计算机模拟倍性估计和拷贝数谱；（3）图像细胞术（IC）用于交叉验证FC结果；（4）GISTIC 2.0.3分析反复拷贝数扩增和缺失；（5）DPClust进行亚克隆SNV聚类；（6）CellViT进行全切片图像（WSI）的细胞核分割以测量核面积。样本队列包括47例USARC、53例HGOS和15例易位相关肉瘤（4例滑膜肉瘤SS、9例低级别纤维黏液样肉瘤LGFMS、2例孤立性纤维性肿瘤SFT），WGS数据来自EGA数据库、Genomics England及PCAWG项目。
**研究结果**
**三种最先进CNA检测算法之间倍性估计的高度不一致：**比较Battenberg、PURPLE和FACETS在USARC和HGOS中的输出，发现算法间一致性差异大，且分歧通常对应两个局部倍性/纯度最优解，相差恰好一个或两个WGD事件，表明不一致主要源于最优纯度/倍性解的选择问题。
**FC作为DNA含量测量方法的优化：**验证DAPI MFI与DNA含量线性相关（r2 = 1.0，p < 0.001）；标准化细胞核密度和染色时间可提高外部与内部二倍体对照的一致性；FC倍性与IC强相关（ρPearson = 0.88，p < 0.001）；计算机模拟混合实验证明FC可检测低至约1%的亚二倍体群体，对低纯度和异质性样本敏感。
**WGS倍性与实验倍性之间的差异：**Battenberg与FC相比，在HGOS中28%样本（15/53）和USARC中38%样本（18/47）存在分歧，多为两倍关系误差导致WGD状态误判；PURPLE错误率类似（34%和35%），FACETS在USARC中错误率高达70%。
**使用实验倍性验证校正WGS倍性：**将FC倍性范围输入Battenberg重新拟合后，校正倍性与FC相关性显著提高（USARC：ρPearson = 0.92；HGOS：ρPearson = 0.95；p < 0.001），WGD分类随之改变；少数无法重新拟合的样本可能与组织异质性或大亚克隆群体有关。
**倍性校正对下游拷贝数分析的影响：**校正后GISTIC分析发现大量先前遗漏的反复改变，并纠正了错误识别的改变；在HGOS OS-20中，校正帮助正确确定了MYC和MET等癌症基因的已知扩增区域。
**用于校正错误倍性估计的计算机模拟方法可能不可靠：**半整数片段比例在9/17例中校正后反而增加；SNV纯度比较因纯度估计噪声大且不同倍性可产生几乎相同的纯度/CCF分布而不可靠；专家人工复判的一致性和准确性均不佳。
**基因组“安静”肿瘤中的倍性估计：**在15例易位相关肉瘤中，3例被Battenberg误判为二倍体的肿瘤经FC证实为近四倍体或三倍体，其拷贝数谱几乎“静默”，核分割确认这些肿瘤细胞核显著增大，揭示了仅依赖测序分析会系统地遗漏WGD事件。
**讨论与结论**
研究人员强调，计算机模拟倍性估计在最先进的算法中仍然可能在高达38%的样本中出错。CNA拟合固有地存在模糊性，产生多个等价的局部最优倍性和纯度解，这些解恰好相隔一个或多个WGD事件，导致生物学解释产生巨大差异。常用的数据“提示”不可靠，且“安静基因组通常为二倍体”这一生物学假设（几乎成为教条）已被证明不成立。不准确的倍性估计会严重影响下游分析（如GISTIC结果），并导致WGD事件被低估——WGD已被认为是多种癌症的预后标志物。研究人员建议尽可能将基因组分析与正交实验倍性估计相结合，尤其是在复杂基因组癌症中。FC校正揭示了真实倍性异质性，多个肿瘤在同一标本中同时具有一次和两次WGD克隆，而CNA算法无法对相距多个拷贝数状态的亚克隆进行建模，因此细胞计量学分析对确定真实倍性至关重要。在融合驱动的肉瘤中，由于其基因组“染色体安静”，WGD经常被纯计算机模拟分析系统性地遗漏，可能使当前基因组研究忽视部分病例中的重要致癌通路。研究还支持FC在FFPE组织中测量DNA倍性的准确性——DAPI受福尔马林固定影响小，标准化细胞核密度和染色时间是方案可靠性的关键。随着基因组研究转向单细胞测序，倍性和纯度建模算法基本相同，旧有差异问题可能持续存在，FC仍将是准确分类和研究单个肿瘤细胞的重要手段。研究局限性包括：测序细胞与FC细胞并非来自完全相同的组织区域，实验倍性可能不完全代表测序组织（差异可能大到一次WGD事件）；部分肿瘤中存在大亚克隆群体，强行基于最大肿瘤群体倍性建模仍可能在下游分析中引入误差。
