k 段约束隐马尔可夫模型实现稀疏单细胞全基因组测序的稳健染色体分段
Robust Chromosome Segmentation in Sparse Single-Cell Whole-Genome Sequencing Using a k-Segment Constrained Hidden Markov Model
Ridgley 等提出 k 段约束隐马尔可夫模型，通过限制最大状态转换次数，在稀疏单细胞全基因组测序中实现稳健的 LOH（杂合性丢失）染色体分段。与可解析全部七类有丝分裂交叉结局的 sci-L3-Strand-seq 分段基准相比，该方法取得 86% LOH 召回率和 88% 精确率。
基因组完整性对细胞和个体的适应性至关重要，而杂合性丢失（LOH）会消除杂合性提供的缓冲作用，并可能暴露有害的隐性等位基因，是与衰老和肿瘤发生相关的一类重要体细胞改变。LOH也是人类癌症中最常见的分子遗传学改变之一，早期针对结直肠癌的系统研究曾用88个微卫星标记分析最常丢失的五条染色体，发现丢失机制呈现明显的染色体特异性，且超过一半的事件只涉及部分染色体而非整条丢失[3]。要在细胞群体层面刻画这类改变的异质性，单细胞全基因组测序是关键工具：通过对流式分选的细胞核进行全基因组扩增和测序，研究者已能在单细胞水平量化拷贝数、重建肿瘤的群体结构与进化历史[1]。然而瓶颈同样明显：全基因组扩增存在偏差，单个细胞的基因组覆盖率因此偏低[2]，而高通量方法在提升细胞通量的同时进一步稀释了每个基因组的覆盖深度，使基于分型杂合位点的LOH推断变得非常困难。
针对这一稀疏覆盖的难题，作者在sci-L3这一高通量组合索引单细胞全基因组测序平台的基础上，开发了k段约束的隐马尔可夫模型（HMM）。该模型显式限制状态转换的最大次数，并隐式促使模型学得比无约束HMM低得多的转换概率，从而在学习转换概率的同时实现稳健的染色体分割，还支持对SNP进行可选的分箱处理。以能够解析全部七种有丝分裂交换结局的sci-L3-Strand-seq分割作为正交基准进行评估，该方法取得了86%的LOH召回率和88%的精确率。更值得注意的是，单倍型分析显示，抽样的表观假阳性中有68–78%实际上得到真实LOH的支持，提示基于参照的88%精确率可能低估了实际水平，后者或接近96%。
这一工作的意义在于，它把LOH检测从依赖群体平均信号或覆盖相对较深的低通量单细胞数据[1][2]，推进到在稀疏单细胞全基因组测序中也能敏感地捕捉LOH异质性的阶段，且分割参数通过模型学习获得，减少了对覆盖深度的人为依赖。
当然，方法仍有边界：精确率的评估依赖正交基准，而部分判断需要单倍型信息的支持；正如作者所言，该框架适用于可获得单倍型分型的体系，在缺乏分型资源的系统中其适用性仍有待检验。
- 1.Tumour evolution inferred by single-cell sequencing · Nature 2011
- 2.Genome-wide detection of single-nucleotide and copy-number variations of a single human cell · Science 2012
- 3.Mechanisms underlying losses of heterozygosity in human colorectal cancers · Proc Natl Acad Sci U S A 2001
以限制状态转换次数的 HMM 处理稀疏单细胞 WGS，并与可解析七类有丝分裂交叉结局的基准对照，给出可比较的召回率、精确率及单倍型校正思路。
来源：bioRxiv Genomics · biorxiv.org