肿瘤克隆进化分析（pyclone+citup）

有肿瘤克隆进化生信分析需求的，请联系邮箱： [e-mail]

备注：原本文档中的图片都是矢量图，但是pdf格式上传不了，所以只能以图片代替。

 

 

 

 

 

背景：

  肿瘤具有强烈时空异质性，其细胞可以形成具有遗传差异的克隆群。在这种情况下，施加靶向药物无法同时杀死所有克隆，某些含有耐药性突变的克隆群将在药物的选择压力下获得竞争优势，而逐渐成为疾病复发后主要的克隆群。为了细致了解肿瘤，我们需要对癌症的不同时期（时间）或对不同位置（空间）进行取样测序，检测突变，根据突变的位置、频率和拷贝数信息进行聚类和进化分析。

  尽管算法各异，但目前分析大都基于这样的理论，来源相同克隆来源的突变（细胞）一定具有相同的位置和频率。我们通过对检测的突变信息（位置，频率和拷贝数）进行统计学分析（各种优化的贝叶斯分类器算法），不仅可以得到样本中混合的克隆群体，还可以推演出克隆之间的进化关系。克隆进化分析为肿瘤研究开辟了全新的视野。

实验设计：

  样本数据来源于PyClone软件文献中的示例数据，A(SRR385938)，B (SRR385939)，C (SRR385940) ，D (SRR385941)。这四个数据都是同一个DNA混合样本高通量测序的产物。这个DNA混合样本里包含了四种来源于千人基因组的组织（NA12156、NA18507、NA12878、NA19240）。理论上，我们最终会得到四个克隆群并且，四个克隆群进化完全独立。

分析方案：

  进化的生信分析采用 pyclone + citup 目前应用率最高的组合，最后利用R语言进行可视化展示。

 Pyclone软件接受样本突变信息和突变的拷贝数数据，如果没有拷贝数检测信息，可以默认为2。citup接受Pyclone的结果结果数据进行进化推演。综合这些数据，我们可以得到克隆分布，进化树和演化的fishplot。

  Pyclone的结果数据作为citup的输入，使用run_citup_qip.py进行进化分析。综合Pyclone和citup的结果，我们绘制出分支图（图二：A）和fishplot（图二：B）。因为这里并不是一个真正的肿瘤关联数据，所以fishplot需要的时间节点数据我们就以样本名称代替。实际使用中，fishplot可以清晰展示肿瘤克隆群体在不同时间节点的演化。

参考文献：

Lamy, P., Nordentoft, I., Birkenkamp-Demtröder, K., Thomsen, M. B.H., Villesen, P., Vang, S., ... & Pedersen, J. S. (2016). Paired exomeanalysis reveals clonal evolution and potential therapeutic targets inurothelial carcinoma. Cancer research.

Roth, A., Khattra, J., Yap, D., Wan, A., Laks, E., Biele, J., ...& Shah, S. P. (2014). PyClone: statistical inference of clonal populationstructure in cancer. Nature methods, 11(4), 396.

Malikic, S., McPherson, A. W., Donmez, N., & Sahinalp, C. S. (2015).Clonality inference in multiple tumor samples using phylogeny. Bioinformatics,31(9), 1349-1356.

Schwartz, R., & Schäffer, A. A. (2017). The evolution of tumourphylogenetics: principles and practice. Nature Reviews Genetics, 18(4), 213.