新的单细胞基因组学分析方法为细胞周期和增殖提供了直接的见解

　　SPRINTER是一种从单细胞基因组学数据推断增殖率的新方法，可表征单细胞克隆中肿瘤增殖的进化动力学，增强对肿瘤进化的理解，并可用于确定癌症进展中的关键克隆。

　　

增殖是癌症的一个关键标志，大多数肿瘤已被证明是由遗传上不同的癌细胞亚群或克隆组成，各自具有不同的发展程度和作用。由于同一肿瘤内不同癌细胞克隆之间的增殖能力可能不同，克隆特异性增殖率的联合推断及其进化动力学的重建可能鉴定出具有更侵略性表型的克隆，从而为增殖与预后之间的联系提供机制见解。过往批量均一处理的方法已无法满足现在研究的需要。伦敦大学学院癌症研究所一个大型研究小组最近发表在《 Nature Genetics》上的一项研究中，设计了一种名为“通过进化途径推测非同源肿瘤的单细胞增殖率”或“SPRINTER”（ Single-cell Proliferation Rate Inference in Non-homogeneous Tumors through Evolutionary Routes ）的算法来分析单细胞基因组数据以推测增殖率，重点关注癌细胞的增殖行为。该研究还调查了基因不同的肿瘤克隆中细胞增殖的变化。

采用SPRINTER算法在单细胞水平上研究癌细胞的增殖
研究结合了先进的单细胞全基因组DNA测序技术（scDNA-seq），根据测序数据来准确评估肿瘤细胞的细胞周期（S期和G2期细胞），并将其分配给特定的基因克隆，以探索基因突变、细胞周期动力学和癌症进化之间的相互作用，为转移潜力提供了见解。SPRINTER使用一种专门的方法来调整由DNA复制引起的错误，使其能够准确地测量细胞活动，检查复制早或晚的DNA部分，并利用这些信息来分类和分配活跃（S期）细胞。

这一过程包括6个步骤：识别复制特定的模式所对应的测序信号、分析DNA结构的变化、通过统计置换识别S期细胞、识别非S期（G0/G1/G2期）细胞中的CNA并将具有相同CNA组合的细胞聚类为克隆、经过校正后根据CNA模式将S期细胞匹配给最大后验概率的克隆、识别每个克隆中的G2期细胞。这有助于绘制出不同类型癌细胞的生长速度。

将SPRINTER应用于一个新的14,994个非小细胞肺癌细胞的纵向原发性转移匹配数据集，SPRINTER揭示其中广泛的克隆增殖异质性，结果与Ki-67染色，细胞核成像和临床影像学等比较，证实了SPRINTER的准确性。

高增殖克隆具有更高的转移播种潜力，增加循环肿瘤DNA脱落和克隆特异性改变增殖或转移相关基因的复制时间，这些基因与表达变化相关。将SPRINTER应用于先前生成的61,914个乳腺癌和卵巢癌细胞的数据集进行测试，SPRINTER揭示了不同基因组变异的单细胞率增加，以及高增殖克隆中增殖相关基因扩增的富集。通过结合统计分析和进化图谱，研究探索了细胞生长、遗传变化和转移能力之间的联系。

主要发现

研究发现肿瘤克隆之间的肿瘤增殖率差异显著，SPRINTER发现高增殖的克隆具有更大的转移潜力。这些发现在非小细胞肺癌数据集中的原发性和转移性肿瘤样本中是一致的。该算法还显示，高增殖克隆倾向于脱落更多的循环肿瘤DNA (ctDNA)，这是与癌症进展相关的标志。

此外，SPRINTER解决肿瘤内增殖异质性的能力表明，原发和转移部位的不同克隆具有独特的生长模式。例如，与其他克隆相比，与转移相关的克隆通常具有更高的增殖率。这种异质性在批量估计方法中被忽视，强调了SPRINTER在区分增殖行为方面的准确性。

在乳腺癌和卵巢癌数据集中，SPRINTER证明高增殖克隆包含较高的基因组突变率，包括单核苷酸变异、结构变异和拷贝数改变。这些发现支持了快速细胞分裂有助于基因组变化积累的假设。

此外，SPRINTER还将复制时间的改变与基因表达的变化联系起来，特别是与增殖和转移有关的基因。这种改变在高增殖克隆中更为明显，表明非遗传因素与侵袭性癌症行为之间存在机制联系。

结论

研究表明肿瘤增殖具有高度异质性，受遗传和非遗传因素驱动。使用SPRINTER算法的详细分析显示，高增殖克隆对理解癌症转移和进展至关重要。这些克隆表现出独特的基因组改变和增加的ctDNA脱落，为临床应用提供了潜在的生物标志物。

总的来说，该研究表明SPRINTER为研究癌症进化提供了一个强大的框架，为基于克隆特异性增殖动力学的靶向治疗策略铺平了道路。