![]()
体细胞变异在受精后产生,并在一生中不断积累。它们主要来自DNA复制错误,或紫外线、化学物质、X射线、烟草等外源性DNA损伤因素【1-5】。大多数体细胞突变没有明显的表型影响【6】,但其中一部分与癌症【7】、炎症性疾病【8】和神经系统疾病【9,10】等密切相关。体细胞嵌合(somatic mosaicism)对人体功能的具体影响目前仍不清楚,领域内也还没有覆盖多组织、多供体的系统性参考数据集。为此,美国NIH启动了人体组织体细胞嵌合网络(Somatic Mosaicism across Human Tissues, SMaHT),计划在150名供体的19种非疾病组织中建立全面、可靠的体细胞变异图谱【2】。
体细胞变异检测本身有不少技术难点。体细胞突变通常只存在于少部分细胞中,变异等位基因频率(VAF)很低,测序错误和建库误差很容易掩盖真实信号。另一个常被忽视的问题是参考基因组。目前广泛使用的GRCh38是由少数个体拼接而成的单倍体“马赛克”基因组,主染色体仍有约6.7%的序列未解析,祖源构成以欧洲(约57%)和非洲(约37%)为主【11,12】。个体基因组与GRCh38之间的差异会带来参考偏倚(reference bias),导致读段错配、胚系变异被误判为体细胞变异,而位于GRCh38缺失区域中的体细胞突变则完全无法被检测【11,13】。供体特异性组装(donor-specific assembly, DSA)是理想的参考,但成本高、技术门槛高,难以大规模应用。
人类泛基因组参考联盟(Human Pangenome Reference Consortium)于2023年发布了人类泛基因组草图,包含来自47个样本的94套组装,以及一个整合了90条单倍型的基因组图谱【16,17】,为解决这一问题提供了新思路。圣路易斯华盛顿大学遗传系王艇教授团队长期参与并领导人类泛基因组计划和SMaHT等国际项目,近期围绕参考偏倚和参考基因组选择开展了一系列工作【14,15,18】。
2026年11月11日,王艇教授团队在Cell Genomics上发表题为 Leveraging human pangenome for improved somatic variant detection 的研究论文。研究系统评估了泛基因组在体细胞变异检测中的两种用法:一是直接比对到泛基因组图谱,二是利用泛基因组推断个体的二倍体组装(pangenome-inferred DSA)。结果表明,这两种策略都能显著提升体细胞变异检测的准确性,并在黑色素瘤细胞系中发现了大量被GRCh38遗漏、具有潜在功能意义的体细胞突变。
![]()
两套实验体系:HapMap mixture和COLO829细胞系
研究使用了两套实验体系(图1)。第一套是SMaHT设计构建的HapMap细胞系混合样本(HapMap mixture):83.5%的HG005作为“胚系背景”,另外五个HapMap个体以0.5%至10%的比例掺入,用来模拟不同VAF的“体细胞变异”。团队对该样本进行了500×的Illumina短读长测序和100×的PacBio HiFi长读长测序,并配套使用基于基因组图谱方法建立的基准变异集【18】。第二套是黑色素瘤细胞系COLO829及其配对正常细胞系COLO829BL,用于在真实癌症样本中检验该方法。
![]()
图1:研究设计示意图
泛基因组提升读段比对质量
研究者构建了三个版本的泛基因组图谱:HPRC v1.1(含4个HapMap个体)、仅含HG005的版本,以及完全不含六个HapMap个体的版本。三个图谱的节点数、边数和度分布高度相似,HapMap样本中的大部分变异已经能由泛基因组中的其他个体覆盖。也就是说,即使样本自身不在图谱中,泛基因组仍可作为具有代表性的参考。
与GRCh38相比,比对到泛基因组后,短读长数据中无gap读段和完美比对读段分别增加1.76%和12.46%。
泛基因组提升体细胞变异检出准确性
将泛基因组比对结果投射(surjection)回GRCh38后,团队使用MuTect2检测SNV和indel,使用Sniffles2检测结构变异(SV)。在全部VAF区间内,泛基因组都提升了SNV检测的精确率和召回率:全基因组精确率从0.9625提升至0.9734,召回率从0.7145提升至0.7284。提升在“极端困难区域”中最明显,精确率从0.7908升至0.8506,召回率从0.4802升至0.5069。indel的精确率也从0.7410提升到0.7564。
研究给出了一个典型例子:在12号染色体PTPRQ基因附近,有两个高度相似的L1PA3转座子拷贝。比对到GRCh38时,携带体细胞变异的读段被错误地放到了另一个L1PA3拷贝上,造成假阴性和假阳性。泛基因组引入了群体中的胚系变异信息,帮助比对软件区分高度重复的转座子拷贝,从而把读段放回正确位置。这说明在转座子等重复区域中,泛基因组对准确检测变异至关重要。
泛基因组推断的DSA (pangenome-inferred DSA) 接近DSA的表现
投射回GRCh38的做法利用了泛基因组的比对优势,但无法利用GRCh38中缺失的序列。为此,研究者借助vg haplotypes的个性化泛基因组 (personalized pangenome) 方法【19】,根据样本测序数据的k-mer信息,从泛基因组中采样最匹配的单倍型,构建了一套伪二倍体组装(hap1与hap2),即“泛基因组推断DSA (pangenome-inferred DSA) ”。
在不包含任何HapMap个体的图谱上,仅凭HG005的短读长数据推断出的DSA,就捕获了HG005母源约84.7%、父源约86.8%的变异,与HG005的序列差异也明显小于GRCh38。以pangenome-inferred DSA为参考时,大部分HG005纯合胚系变异在比对阶段就被过滤掉,VAF分布接近使用真实HG005组装的结果。在没有配对正常样本的情况下,这一点尤其有价值。
在检测性能上,pangenome-inferred DSA与真实HG005组装相当,并优于GRCh38和泛基因组投射方案:全基因组SNV精确率达到0.9764,召回率达到0.7819;极端区域精确率提升至0.8871,召回率提升至0.5912。
Pangenome-inferred DSA在黑色素瘤中发现被GRCh38遗漏的体细胞突变
研究者进一步用20×短读长数据为COLO829BL构建pangenome-inferred DSA。与通过Verkko2组装的近T2T COLO829BL真实DSA【20】相比,pangenome-inferred DSA捕获了母源88.4%、父源85.1%的胚系变异,未捕获率明显低于基于DeepVariant的传统方法。
使用DeepSomatic对COLO829的HiFi数据进行肿瘤-正常配对检测后,pangenome-inferred DSA与GRCh38共有42,264个体细胞SNV。Pangenome-inferred DSA另外特有4,290个SNV(约占10.15%),GRCh38特有930个。Pangenome-inferred DSA特有的SNV中,紫外线损伤相关突变特征(SBS7a、SBS7b、SBS38、SBS97)的比例更高,DBS1数量是GRCh38特有DBS的5倍,提示这些新发现的突变确实符合黑色素瘤的生物学特征。团队还发现,GRCh38在全基因组范围内低估了突变率。
在4,290个pangenome-inferred DSA特有的SNV中,2,070个可以转换回GRCh38坐标,它们的检出得益于局部可比对性的提升。例如,LIMS4基因在GRCh38上可比对性很差,公共数据库中几乎检测不到它的胚系变异和RNA表达,但其蛋白在黑色素瘤中表达升高。借助pangenome-inferred DSA,研究者在LIMS4第1外显子检测到一个被GRCh38遗漏的错义突变,并通过RNA-seq证实了该基因的表达。其余2,220个SNV无法转换回GRCh38,位于简单重复扩张、拷贝数增加和卫星序列等GRCh38缺失或表征不足的区域。例如,pangenome-inferred DSA在GNG10内含子中识别出一个单倍型特异的简单重复扩张,并在其中检测到一个体细胞SNV。
研究共鉴定出11个pangenome-inferred DSA特有的外显子错义突变,其中10个位于癌症相关基因中,2个被AlphaMissense预测为致病。其中ARHGEF5和TMEM87b此前已有与黑色素瘤相关的报道,TRIOBP、FCGBP、NBPF1等基因则与其他癌症相关。
总结与展望
这项研究系统证明,无论是直接比对到泛基因组,还是利用泛基因组推断个体DSA,都能提升体细胞变异检测的准确性,在基因组困难区域中效果尤为明显。Pangenome-inferred DSA可以在比对阶段过滤大量胚系变异,为缺乏配对正常样本的场景提供了新的解决方案,也为获得低参考偏倚的个体二倍体组装提供了一条低成本、可规模化的途径,有望应用于SMaHT等大规模体细胞嵌合研究。
研究也存在一些局限:泛基因组个性化方法(personalized pangenome)尚不能完整捕获个体的全部胚系变异,在STR/VNTR等复杂重复区域尤为明显;现有体细胞变异检测软件仍基于线性参考,无法充分利用泛基因组序列,有待基于pangenome graph的检测工具出现;HapMap混合样本用胚系变异模拟体细胞变异,其突变负荷和模式与真实体细胞突变可能存在差异。
这篇论文是SMaHT benchmarking package的companion paper之一(更多相关文章请见Cell Press的SMaHT专题页面https://www.cell.com/consortium/somatic-mosaicism-across-human-tissues-network或SMaHT数据门户https://data.smaht.org/publication-collections/benchmarking)。
王艇实验室的傅启晨和辛子蓝为论文共同第一作者,Juan F. Macias-Velasco与王艇教授为共同通讯作者。
王艇教授是美国圣路易斯华盛顿大学遗传系系主任、Sanford and Karen Loewentheil Distinguished Professor of Medicine,兼任计算机科学与工程教授及McDonnell Genome Institute科研主任。王艇教授长期领导大型国际项目例如ENCODE,Roadmap,4DN,TaRGET及当前最新的人类泛基因组计划(Human Pangenome Project),IGVF(Impact of Genetics Variation on Function),SMaHT(Somatic Mosaicism across Human Tissues)和MOHD(Multi-Omics for Health and Disease),funding多多。团队目前正在招博士后,欢迎感兴趣的老师和同学联系。
简历投递(投递简历请选择: 美国圣路易斯华盛顿大学王艇教授团队 ; 有意者请将个人简历等材料发至 ):
https://data.bioart.com.cn/f/p0EB2y(复制链接至浏览器投递简历)
或扫描二维码投递简历
原文链接: https://doi.org/10.1016/j.xgen.2026.101419
制版人:十一
参考文献
1. Stratton, M.R., Campbell, P.J. & Futreal, P.A. The cancer genome.Nature458, 719–724 (2009).
2. Coorens, T.H.H. et al. The Somatic Mosaicism across Human Tissues Network.Nature643, 47–59 (2025).
3. Saini, N. & Gordenin, D.A. Somatic mutation load and spectra: A record of DNA damage and repair in healthy human cells.Environ. Mol. Mutagen.59, 672–686 (2018).
4. Watson, I.R., Takahashi, K., Futreal, P.A. & Chin, L. Emerging patterns of somatic mutations in cancer.Nat. Rev. Genet.14, 703–718 (2013).
5. Greenman, C. et al. Patterns of somatic mutation in human cancer genomes.Nature446, 153–158 (2007).
6. Martincorena, I. et al. Universal Patterns of Selection in Cancer and Somatic Tissues. Cell 171, 1029–1041 (2017).
7. ICGC/TCGA Pan-Cancer Analysis of Whole Genomes Consortium. Pan-cancer analysis of whole genomes.Nature578, 82–93 (2020).
8. Olafsson, S. et al. Somatic Evolution in Non-neoplastic IBD-Affected Colon.Cell182, 672–684 (2020).
9. Olafsson, S. & Anderson, C.A. Somatic mutations provide important and unique insights into the biology of complex diseases.Trends Genet.37, 872–881 (2021).
10. D’Gama, A.M. & Walsh, C.A. Somatic mosaicism and neurodevelopmental disease.Nat. Neurosci.21, 1504–1514 (2018).
11. Sherman, R.M. & Salzberg, S.L. Pan-genomics in the human genome era.Nat. Rev. Genet.21, 243–254 (2020).
12. Lander, E.S. et al. Initial sequencing and analysis of the human genome.Nature409, 860–921 (2001).
13. Pollard, R.D., Wilkerson, M.D. & Rajagopal, P.S. Identification of germline population variants misclassified as cancer-associated somatic variants.Front. Med.11, 1361317 (2024).
14. Tekkey, N. et al. Quantifying reference alignment bias in functional genomics analyses.Cell Rep. Methods6, 101461 (2026).
15. Macias-Velasco, J.F. et al. Benchmarking genome choice in functional genomics analyses.Nat. Commun.17, 6837 (2026).
16. Wang, T. et al. The Human Pangenome Project: a global resource to map genomic diversity.Nature604, 437–446 (2022).
17. Liao, W.W. et al. A draft human pangenome reference.Nature617, 312–324 (2023).
18. Kong, N. et al. A pangenomic method for establishing a synthetic somatic variant resource in HapMap mixtures.Cell Genom.(2026).
19. Sirén, J. et al. Personalized pangenome references.Nat. Methods21, 2017–2023 (2024).
20. Sohn, M.-H. et al. A telomere-to-telomere map of somatic mutation burden and functional impact in a cancer.Cell189, 6630–6647 (2026).
(可上下滑动阅览)
学术合作组织
(*排名不分先后)
![]()
战略合作伙伴
(*排名不分先后)
推荐直播
转载须知
【非原创文章】本文著作权归文章作者所有,欢迎个人转发分享,未经作者的允许禁止转载,作者拥有所有法定权利,违者必究。
BioArt
Med
Plants
人才招聘
![]()
点击主页推荐活动
关注更多最新活动!
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.