新型癌症體細胞突變檢測工具Lancet上線，時間更短，準確性更高！

從NGS測序數據中可靠地檢測體細胞突變需要有效處理各種不同條件，如腫瘤樣本的非整倍體、克隆性和純度等。但由於存在讀取深度、錯誤率、突變類型的差異，體細胞突變檢測的敏感性和特異性都會隨著基因組的變化而變化。

此前的微組裝方法已經成功檢測長達幾百bp的插入缺失突變，可以對較長的突變區域和較短的CNV進行分析。紐約基因組中心（NYGC）的Narzisi研究團隊發現，現有微組裝方法依賴於腫瘤單獨分離組裝和匹配的正常數據，存在支持覆蓋率低、重複次數較多和無法檢測大量短插入缺失突變等局限性。

為解決這些問題，NYGC的研究人員開發了一種體細胞變異檢測工具Lancet，能夠通過同時分析腫瘤細胞和正常細胞的基因數據準確檢測單核苷酸變異（SNV）、插入和缺失突變。近日，相關研究以發表在Communications Biology。

第一作者和NYGC高級生物信息學科學家Giuseppe Narzisi說，他最初在冷泉港實驗室開發了一種微裝配突變檢測工具Scalpel，旨在將組裝定位到較小的基因組區域。

據文章通訊作者、NYGC計算生物學高級主管Michael Zody稱，該團隊的Lancet演算法應用了一種稱為de Bruijn圖表的技術，該技術已被用於轉錄組裝等過程。使用彩色de Bruijn圖表聯合分析腫瘤和匹配的正常樣本的讀取數據，可以提高識別腫瘤特有突變的準確性，尤其是插入缺失。Lancet能夠在圖表中體現體細胞突變狀況，為臨床確認重要突變提供支持。

使用Lancet生成的含有插入400 bp短序列彩色de Bruijn圖。藍色節點對應於腫瘤和正常樣本共有的k-mers，紅色節點對應於腫瘤專用的k-mers，綠色節點對應於法線私有的k-mers，白色節點對應於測序錯誤造成的低覆蓋率 k-mers。

在研究過程中，團隊在指定區域進行了最佳組裝試驗，並在圖表中添加彩色編碼，以便區分突變事件來自體細胞或者生殖系細胞，並將該檢測工具與腫瘤診斷中廣泛使用的其他體細胞檢測工具進行了性能比較。

準確性更高，時間更短

最初，Zody的研究團隊通過在一個樣本中引入支持真實生殖系細胞SNV和插入缺失的reads來運行虛擬腫瘤的演算法。在了解真實體細胞變異以及樣本中的變異等位基因(Vafs)後，在預定義Vafs情況下，研究小組使用虛擬腫瘤測試比較了不同方法對體細胞突變的檢測能力。分析發現，Lancet在精確度和回歸曲線方面的表現優於其他體細胞突變檢測工具，包括MuTect，MuTect2，LoFreq，Strelka和Strelka2。研究小組還使用Lancet對合成腫瘤開展了研究，通過將真正的癌症基因突變人為插入正常reads中，發現Lancet能夠更精確的記錄體細胞突變，尤其是插入缺失突變。

Lancet與其他方法在虛擬腫瘤中的表現。

NYGC的研究人員隨後還分析了一例髓母細胞瘤病例的實際數據。與此前的數據集不同，他們編製了一份體細胞突變列表輔助檢測，發現其他檢測工具的檢測結果更傾向於依賴對數據集的敏感性，而不是特異性，顯然它們已經針對高質量數據進行了優化，並且在髓母細胞瘤數據集分析中，它們對微衛星DNA內的假陽性突變檢測結果差距非常大，相比之下，Lancet能夠在保持敏感性的前提下，只報告很少量的假陽性檢測結果。

最後，研究小組分別檢測了正常組織、原發腫瘤和結直腸癌轉移組織的體細胞突變，發現原發腫瘤中的大部分SNV也可以在轉移瘤中檢測到，強調了體細胞微衛星DNA的檢測問題以及跨不同方法集成插入缺失調用的重要性，同時證明Lancet適用於不同類型的模擬數據集。

Zody介紹到，Lancet將輸入樣本的全基因組或外顯子組測序數據，然後對每600bp基因片段進行並行分析，研究中沒有檢測單個分析的計算時間。在80x/40x覆蓋範圍內，分析一個完整的腫瘤和正常基因組大約需要3000小時，但在設計合理的硬體上，並行分析可以在幾天內完成。該方法尤其適合長度在幾十到幾百bp的插入缺失突變檢測，而其他體細胞突變檢測工具通常檢測不到該範圍內的插入缺失突變，其中很可能包括致癌基因突變。

在臨床研究中，標準做法是優先考慮相關變體，然後使用昂貴的測序技術進行進一步驗證，因此研究人員非常希望確保他們考慮檢測的突變在患者體內真實存在。而Lancet作為癌症基因組研究邁向更全面體細胞突變檢測的重要一步，能夠深化人們對中等長度插入缺失突變的重要性的認識，因為此前研究很難發現中等長度的插入缺失突變。

對此，約翰斯霍普金斯大學計算機科學和生物學教授Michael Schatz也發表了看法，此前他曾在冷泉港與Narzisi合作開發Scalpel微組裝工具，他認為Lancet能夠巧妙識別腫瘤樣本中的體細胞變異，效果顯著優於其他體細胞突變檢測工具，尤其在檢測插入缺失突變方面有顯著優勢。「未來，我期望Lancet能夠應用於癌症研究，並推動新型數據演算法的開發，特別是長reads和鏈接reads方面。」

Zody研究團隊並沒有計劃將Lancet使用的演算法商業化，僅免費為學術研究提供服務，但他們相信它非常有臨床應用價值。

未來規劃

目前，該研究團隊主要目標之一是改進核心演算法，提高時間性能，精確定位癌細胞發生特定突變的部位，有助於深入了解腫瘤演變。 研究團隊計劃通過NYGC產生的外顯子組測序數據，使用Lancet在結構變異中尋找低水平的體細胞嵌合體。未來，該研究中心還將把Lancet整合到其癌症分析管道中，作為癌症治療研究工具。

Lancet開源獲取地址：https://github.com/nygenome/lancet

·END ·

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！