CNV检测--单细胞空间vs基因组WGS/WES

作者，Evil Genius

本篇是一些总结，为基因组的内容做一些准备。

单细胞空间检测CNV、和基因组WGS/WES检测CNV都是分析中常见的内容，其中单细胞空间常用的方法是inferCNV、inferCNVpy、SpatialinferCNV等，而WGS/WES常用的是cnvkit、GATK、VarScan2。

我们来汇总一下关于CNV的检测方法， 最后比较一下单细胞空间与基因组检测CNV的差异。

总结完就知道为什么现在都要求上多组学了，而且单细胞 + WES是目前最经济的多组学方案。

先来看单细胞空间的部分

1. inferCNV（经典单细胞CNV推断工具）

方法原理

inferCNV 是最早用于 scRNA-seq 数据 CNV 检测的 R 包，其核心思路是：

• 参考表达谱构建：使用正常细胞（如免疫细胞、基质细胞）的基因表达作为基线参考。
• 基因组滑动窗口平滑：按染色体位置排序基因，计算每个细胞在滑动窗口（默认100个基因）内的平均表达量。
• CNV信号提取：比较肿瘤细胞与参考细胞的表达差异，推断拷贝数变化（缺失/正常/扩增）。
• 聚类分析：使用层次聚类或Leiden算法识别具有相似CNV模式的细胞亚群。
• **HMM（隐马尔可夫模型）：预测离散的CNV状态（如单拷贝缺失、双拷贝缺失、扩增等）。

课程上我们讲解的更加详细

包括阈值的选择

关键参数

(1) 数据预处理

(2) CNV计算

(3) 聚类方法

(4) HMM（可选）

2. inferCNVpy（Python优化版）

方法原理

inferCNVpy 是 inferCNV 的 Python 实现，优化了计算效率，并增加了 UMAP/t-SNE 可视化 功能。

• 支持 AnnData 对象，与 Scanpy 生态无缝集成。
• 提供 交互式可视化（如 Plotly 动态热图）。
• 计算更快，适合 大规模单细胞数据集。

参加过培训班的应该知道，这个方法目前已经被多篇高分文献采用。

关键参数

(1) 数据预处理

(2) CNV计算

(3) 降维与可视化

SpatialInferCNV（空间转录组CNV检测）

方法原理

SpatialInferCNV 在 inferCNV 基础上 整合空间信息，适用于 Visium等空间转录组数据：

• 空间约束平滑：在基因组滑动窗口基础上，加入 空间邻域平滑（如10× Visium的spot邻近关系）。
• 肿瘤边界识别：利用CNV模式划分 肿瘤区域 vs. 正常组织。
• 空间热点检测：识别基因组变异的空间聚集模式（如局部扩增）。

关键参数

4. 方法对比与总结

适用场景

• inferCNV：经典方法，适合小规模scRNA-seq数据，需R环境。
• inferCNVpy：Python用户首选，适合大数据集，支持UMAP可视化。
• SpatialInferCNV：空间转录组数据，研究肿瘤微环境。

总结

• 无参考数据？ 可尝试 CopyKAT（基于全局表达模式）。
• 需要空间信息？ 选择 SpatialInferCNV。
• 大规模数据？ 推荐 inferCNVpy（计算更快）。

再来看WES/WGS的部分

1. CNVkit（基于测序深度和靶向测序优化）

方法原理

CNVkit 是一种灵活的工具，适用于 WGS 和 WES 数据，尤其擅长 靶向测序（如panel测序） 的CNV检测。其核心步骤包括：

• 靶向区域覆盖度计算：统计每个目标区域的测序深度。
• 参考样本归一化：使用对照样本（如正常组织或公共数据库）校正技术偏差（GC含量、比对效率等）。
• 分段（segmentation）：使用 CBS（Circular Binary Segmentation） 或 HMM（Hidden Markov Model） 算法划分CNV区域。
• 调用CNV：基于log2比值和统计显著性判断拷贝数变化（缺失/扩增）。

关键参数

适用场景：

• WES/靶向测序（如肿瘤panel测序）
• 需要高灵敏度的小CNV检测
• 无匹配正常样本时，可使用公共数据库参考

2. GATK（GermlineCNVCaller & ModelSegments）

方法原理

GATK（Genome Analysis Toolkit）提供了 GermlineCNVCaller（种系CNV）和 ModelSegments（体细胞CNV）两种方法：

• GermlineCNVCaller（适用于种系CNV）：
• 基于 Poisson Latent Factor Model（PLFM） 校正批次效应和GC偏差。
• 使用 Gaussian Mixture Model（GMM） 分段。
• 输出 CNV片段和置信度评分。

ModelSegments（适用于肿瘤-正常配对样本）：

• 计算肿瘤/正常样本的 log2比值。
• 使用 HMM 预测CNV状态（如单拷贝缺失、扩增等）。
• 可结合 Allelic Fraction（等位基因频率） 提高准确性。

关键参数

适用场景：

• 种系CNV检测（GermlineCNVCaller）
• 肿瘤-正常配对样本（ModelSegments）
• 需要高精度CNV边界检测

3. VarScan2（基于测序深度和统计检验）

方法原理

VarScan2 最初设计用于 SNP/Indel检测，但其 copyCaller 模块可用于CNV分析：

• 计算覆盖深度：统计目标区域的测序深度。
• 归一化：校正GC偏差和比对效率。
• 统计检验：使用 Kolmogorov-Smirnov（KS）检验 判断CNV是否显著。
• CNV调用：基于 log2比值 和 p值 判断缺失/扩增。

关键参数

适用场景：

• 肿瘤-正常配对样本（体细胞CNV检测）
• 快速分析（计算量较小）
• 需要统计显著性评估

方法对比与汇总

总结

• WES/靶向测序 → CNVkit（灵活，灵敏度高）
• 种系CNV → GATK GermlineCNVCaller（批次校正能力强）
• 肿瘤-正常配对 → GATK ModelSegments 或 VarScan（VarScan更轻量）
• 需要统计显著性 → VarScan2（KS检验提供p值）

最后来总结一下单细胞空间和基因组检测CNV的核心差异

数据来源与分辨率

检测原理差异

技术挑战与局限

应用场景对比

核心结论

直接性 vs. 间接性

• WGS/WES直接检测DNA层面的CNV，结果更可靠；
• 单细胞方法通过RNA表达间接推断，受转录调控干扰。

分辨率权衡

• 单细胞/空间数据提供细胞级分辨率但覆盖有限；
• WGS/WES提供全基因组覆盖但无法区分单个细胞。

最佳实践建议

• 先导分析：用WGS/WES鉴定高置信度CNV；
• 精细解析：用单细胞/空间数据研究异质性和功能影响；
• 多组学整合：联合DNA+RNA数据提高CNV生物学解释力（如扩增基因是否真实高表达）。

生活很好，有你更好