肿瘤NGS污染鉴定方法

       肿瘤NGS检测时因存在切片污染、环境污染、实验室内污染等因素导致出现其他人源DNA掺入的情况，最终可能导致突变被稀释导致假阴或者引起假阳突变。为了解决这种问题，一般会挑选一定数量的杂合度高的SNP多态性位点，通过比较纯合SNP位点在肿瘤样本和对照白细胞样本中的突变丰度的变化来判断是否存在污染以及可能的污染水平。 一、多态性SNP位点筛选 1.1 要求SNP位点的MAF（Minor Allele Frequency）位于0.4~0.5之间。 1.2 要求SNP位点不在重复区或者低复杂度区域。 1.3 要求SNP位点在基因组上分布是相对均匀的。 1.4 如何确定筛选的SNP位点数，需要根据已经污染水平的模拟数据进行评估，这里不赘述。 二、肿瘤样本和对照样本间纯合SNP位点的vaf差值分布 2.1 探索纯合SNP位点的阈值，比如小于等于0.01或者大于等于0.99，也可以根据时间情况适当放宽一些。 2.2 从已知污染水平的模拟数据探索纯合位点vaf差值分布规律，如下图，总结起来有两点：1）污染水平跟最右侧峰对应的vaf是一致的，其对应的是纯合外源SNP位点污染引起的vaf变化。2）污染水平是中间峰对应的vaf的2倍，其对应的是杂合外源SNP位点污染引起的vaf变化，考虑到如果发生其他人源DNA污染时杂合位点的数量应该是纯合外源SNP位点的2倍，从数量上看，基于该方法推测出来的污染水平更准确。
2.3 实际数据验证2.2推测。 1）下图为已知污染患者的肿瘤样本和对照样本纯合位点的丰度差值，使用Ckmeans方法分成3类，从左到右每个类的中心（红色虚线所示）分别对应2.2图中从左到右的峰值，
2）对于已知污染的肿瘤样本，根据上面所示原理，使用杂合位点峰值的2倍表示污染水平（如下图Het_contam），然后跟配对样本计算的污染水平（如下图Pair_contam）进行比较，发现他们的相关性非常高。
再使用纯合位点峰值表示污染水平（如下图Hom_contam），然后跟配对样本计算的污染水平（如下图Pair_contam）进行比较，发现他们的相关性也挺高但明显不如Het_contam与Pair_contam的相关性高。
3）对于无污染的肿瘤样本，根据1）所示原理，使用杂合位点峰值的2倍表示污染水平（如下图Het_contam），然后跟配对样本计算的污染水平（如下图Pair_contam）进行比较，发现他们的相关性不太高，说明当污染水平很低或者没有时，该方法跟配对算法的污染水平会有一定差异。
再使用纯合位点峰值表示污染水平（如下图Hom_contam），然后跟配对样本计算的污染水平（如下图Pair_contam）进行比较，发现他们的相关性也不高，且明显不如Het_contam与Pair_contam的相关性高。说明当污染水平很低或者没有时，该方法跟配对算法的污染水平差异会更大一些。
    因此针对污染样本，基于kmeans聚类的污染算法跟配对样本结果一致性时非常高的，不过无污染或者污染水平很低的样本，基于kmeans聚类的污染算法还有待优化。

本文使用 文章同步助手 同步

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容