IF50.5｜克隆拷贝数多样性关联肺癌生存

ALPACA揭示克隆级SCNA演化，CCD预测肺癌患者无病生存。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

在肿瘤发展过程中，单核苷酸变异（SNV）和体细胞拷贝数变异（SCNA）不断积累，驱动克隆演化。基因组不稳定性（包括突变过程和染色体不稳定性）产生的体细胞变异可能受到克隆演化的正向选择，导致遗传异质的细胞群体。然而，以往大多数研究将SNV和SCNA分开考虑，无法同时获得可靠的克隆级SNV和SCNA，从而难以深入理解基因组不稳定过程及其对转移和不良预后的贡献。肺癌作为高异质性肿瘤，其克隆级拷贝数演化模式及与临床结局的关联亟待阐明。

科学问题

卡在哪里： 从bulk多区域测序数据中准确推断每个克隆的等位基因特异性拷贝数仍具挑战。现有方法或未充分利用SNV衍生的系统发育树作为支架，或难以处理大规模队列，导致克隆级SCNA演化信息缺失，无法揭示与转移和生存相关的克隆特征。

本文要回答： 开发一种整合SNV系统发育树和bulk拷贝数数据的方法，以高精度推断克隆级等位基因特异性拷贝数，并应用于肺癌队列，探索SCNA演化与转移和生存的关联。

技术路线

作者主要用了：全基因组/外显子测序、混合整数线性规划、Bradley-Terry模型、生存分析。

作者开发了ALPACA算法，利用SNV频率重建的多区域肿瘤系统发育树和克隆比例作为支架，将复杂的拷贝数反卷积问题简化为线性优化问题。通过混合整数线性规划和模型选择，ALPACA推断每个克隆在每个基因组片段的等位基因特异性整数拷贝数，并遵循LOH不可逆等进化约束。该方法在模拟数据和真实数据上均进行了基准测试，随后应用于TRACERx421肺癌队列，分析克隆级SCNA演化模式及其与转移和生存的关系。

图 1　Fig. 1。图1展示ALPACA的输入输出框架：输入包括观察到的分段分数拷贝数、肿瘤系统发育树和克隆比例；输出为每个克隆的等位基因特异性整数拷贝数，并整合SNV和SCNA演化历史。

核心亮点

亮点 1｜ALPACA高精度推断克隆拷贝数

在MASCoTE模拟数据上，ALPACA显著优于HATCHet2和cloneHD（P值分别为5.3×10^-10和0.0011）。在150个复杂模拟肿瘤中，超过99%的克隆-等位基因特异性片段拷贝数状态被正确预测。与HATCHet2+MEDICC2组合相比，CONIPHER+ALPACA在真实WES数据上获得更低的Hamming距离（0.24 vs 0.50）和总变异距离（0.28 vs 0.47），表明ALPACA能更准确地重建克隆级SCNA演化。

图 2　Fig. 2。图2比较ALPACA与HATCHet、HATCHet2、cloneHD和MEDICC2在模拟和真实数据上的准确性。ALPACA在MASCoTE模拟中显著优于其他方法，在真实WES数据中与单细胞推断一致性高。

亮点 2｜ALPACA揭示隐蔽的亚克隆SCNA

在TRACERx421队列中，ALPACA识别出低流行率克隆中的LOH和扩增事件。例如，CRUK0048病例中，克隆2在低至18%的流行率下发生13q12.12-13q14.3 LOH（涉及BRCA2、PDS5B和RB1），该事件发生在转移播种之前。CRUK0022病例中，12q14.1-12q15（MDM2和CDK4）扩增在播种克隆中发生，而样本水平分析会错误地将其归为转移后事件。

图 3　Fig. 3。图3展示两个TRACERx病例的ALPACA输入输出：CRUK0048显示低流行率克隆中的LOH事件，CRUK0022显示播种克隆中的MDM2/CDK4扩增，这些事件在样本水平分析中会被掩盖。

亮点 3｜转移播种克隆具有更高CIN

在Tx421-PM队列中，转移播种克隆和转移克隆的SCNA数量显著高于非播种克隆。混合效应逻辑回归显示，拷贝数丢失数量与克隆为转移来源的可能性显著相关（P=6.92×10^-22）。播种路径上CCND1、MYC增益和SMARCA4/KEAP1 LOH富集，提示这些事件可能在转移前被选择。

图 4　Fig. 4。图4展示使用Bradley-Terry模型对LUAD和LUSC中高频驱动事件进行相对时序排序。LUAD中EGFR、KRAS等SNV和染色体臂扩增最早，LUSC中17p LOH等臂事件多为truncal。

亮点 4｜多克隆播种与高SCNA负荷相关

ALPACA分析显示，多克隆播种肿瘤的平均每克隆SCNA数量显著高于单克隆播种肿瘤（P=0.007）。仅发生胸腔外转移的患者，其MRCA和转移克隆的SCNA数量显著多于仅胸腔内转移者（P=0.0064和P=0.012），且拷贝数增益在MRCA、亚克隆原发克隆和转移克隆中均富集，提示早期CIN赋予克隆胸腔外转移潜力。

图 5　Fig. 5。图5展示克隆分类和SCNA事件计数方法，以及每个树边上SNV与SCNA累积数的关系。播种克隆和转移克隆的SCNA数量高于非播种克隆，且SCNA/SNV比值在播种克隆中更高。

亮点 5｜克隆拷贝数多样性预测生存

基于ALPACA输出的克隆拷贝数谱计算的最大成对欧氏距离（CCD）在转移患者中显著高于未复发患者（P=0.006）。以中位数分层，低CCD患者无病生存期显著更长（log-rank P=0.0016）。多变量Cox模型中，CCD保持独立预后意义（HR=1.14，95% CI 1.01-1.3，P=0.038），而样本水平SCNA-ITH不再显著。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 全基因组/外显子测序、混合整数线性规划、Bradley-Terry模型、生存分析
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事肿瘤进化、拷贝数分析或临床预后研究的生物信息学与转化研究人员。

带走一句

ALPACA将SNV系统发育树作为支架，把拷贝数反卷积转化为线性优化，为大规模队列的克隆级SCNA分析提供了高效工具，并揭示CCD作为预后标志物的潜力。