责编 | 兮
目前，许多工作是将肿瘤内存在的所有细胞的混合群体进行了研究，然而其中许多细胞不是癌细胞。近年来，单细胞RNA测序的出现使研究人员能够以更高的分辨率分析肿瘤，检查每个单细胞的基因表达以绘制出包括周围微环境在内的肿瘤图景。但是，如果没有可靠的计算方法，很难区分癌细胞和正常细胞。
为了解决在分析大型单细胞RNA测序数据时遇到的重大挑战，2021年1月18日，德克萨斯大学MD安德森癌症中心的Nicholas E. Navin团队（第一作者为高如丽博士，现为休斯顿卫理公会科学研究所心血管科学和生物信息学与计算生物学助理教授）在Nature Biotechnology杂志上发表文章Delineating copy number and clonal substructure in human tumors from single-cell transcriptomes，开发了一种新的单细胞测序数据分析算法—CopyKAT（copy number karyotyping of aneuploid tumors，非整倍体肿瘤的染色体核型分型）。
该团队首先通过将CopyKAT分析结果与全基因组测序数据进行比较来对其工具进行基准测试，该数据在预测拷贝数变化方面显示出很高的准确性。在来自胰腺癌，三阴性乳腺癌和间变性甲状腺癌的三个数据分析中，研究人员发发现CopyKAT能够准确区分混合样品中的肿瘤细胞和正常细胞。在分析这些样本时，研究人员还发现，该工具可根据拷贝数差异有效地识别肿瘤内的癌细胞亚群，并在三阴性乳腺癌相关实验中得到了证实。
“通过使用CopyKAT，我们能够鉴定出三阴性乳腺癌中罕见的亚群，这些亚群具有未被广泛报道的独特基因突变，包括具有潜在治疗意义的改变，”高如丽博士说。“我们希望该工具对研究界有用，可以充分利用其单细胞RNA测序数据并推动癌症的新发现。”
该工具可供研究人员免费使用。但是，作者指出该工具不适用于所有癌症类型的研究。例如，非整倍性在儿科和血液学癌症中相对较少。
https://doi.org/10.1038/s41587-020-00795-2
制版人:嘉