编辑推荐：
在癌症研究中，患者来源的异种移植（PDX）模型基因组和转录组测序受小鼠读段污染困扰。研究人员对 21 个 PDX 模型测序数据展开研究，评估 12 种去除小鼠读段的计算协议。结果显示 Xengsort 表现最佳。该研究为 PDX 基因组研究提供了重要参考 。
在癌症研究的奇妙世界里，患者来源的异种移植（Patient-Derived Xenograft，PDX）模型堪称 “明星”，它就像一个桥梁，连接着临床肿瘤样本和实验室研究，让科研人员能更深入地探究癌症的奥秘。PDX 模型是将人类肿瘤细胞或肿瘤碎片移植到宿主动物（通常是小鼠）体内构建而成，为罕见癌症研究保存肿瘤组织立下汗马功劳。
然而，这座 “桥梁” 却遭遇了一个棘手的问题。当科研人员对 PDX 模型进行基因组和转录组测序，试图解读其中的遗传信息时，却发现测序数据里混入了大量来自小鼠细胞的测序读段。这就好比在一幅珍贵的画作上泼洒了颜料，干扰了对肿瘤真实信息的判断。此前小规模研究已发现，这些 “不速之客” 会大幅增加人工突变的误判，还会扭曲基因表达水平。要是在分析时不把这些小鼠读段 “清理” 掉，后续基于测序数据的研究结论很可能就像建在沙滩上的城堡，根基不稳。
为了攻克这个难题，来自美国圣安东尼奥市 Greehey 儿童癌症研究所（Greehey Children’s Cancer Research Institute）等机构的研究人员踏上了探索之旅。他们精心收集了 21 个来自儿童实体瘤的 PDX 模型的全外显子测序（Whole Exome Sequencing，WES）、低通量全基因组测序（Whole Genome Sequencing，WGS）和 mRNA 测序（RNA sequencing，RNAseq）数据，还准备了匹配的正常样本数据，为后续研究打下坚实基础。
研究人员为开展研究，主要运用了以下几种关键技术方法：首先，通过混合小鼠和人类 RNA 测序数据，构建 “金标准” 数据集来模拟 PDX 测序数据；接着，选用三种伪比对和三种基于比对的协议，用默认参数运行相关工具去除小鼠读段；然后，运用多种生物信息学工具，如 Kallisto 计算转录本每百万 reads 数（Transcripts Per Million，TPM）评估基因表达，MuTect2 识别体细胞突变等 。
下面来看看具体的研究结果：
- 小鼠读段污染对 PDX 转录组数据的影响：研究人员对比了去除和未去除小鼠读段的样本基因表达情况。多数基因在两种样本中的表达水平相似，但部分基因在未去除小鼠读段的样本中表达更高。深入分析发现，这些受影响的基因主要富集在基质相关、免疫细胞相关以及 KRAS 信号通路相关的基因集里。这表明小鼠免疫细胞和基质细胞是 PDX 模型中小鼠读段污染的主要 “源头”。而对癌细胞特征相关的基因集影响较小。在基因融合检测方面，去除小鼠读段前后差异不显著，说明小鼠读段污染对融合识别影响有限。此外，研究人员将工具应用于 PDX 单细胞 RNA 测序（single cell RNA sequencing，scRNAseq）数据，发现能有效区分人和小鼠细胞。
- 小鼠读段污染对 PDX 基因组数据的影响：在对体细胞突变的研究中，未去除小鼠读段时检测到的外显子突变数量比去除后高出约 30 倍，这些突变的变异等位基因频率较低，且在不同 PDX 样本间有较高的重复性。突变特征分析显示，只有 SBS46 突变特征在去除小鼠读段前后有显著差异。在拷贝数变异方面，去除小鼠读段前后，样本的拷贝数模式相似，说明小鼠读段污染对拷贝数变异影响较小。
- 小鼠读段污染对不同测序数据的影响差异：对比三种测序数据，WES 数据中的人类读段比例更高，RNAseq 数据中无法分类的读段更多。不过，三种数据类型中人类读段比例显著相关，这意味着小鼠读段污染主要受样本采集环节影响。
- 去除小鼠读段协议的性能评估：在 “金标准” 数据集上测试各协议，结果显示所有协议都能有效去除小鼠读段，但伪比对工具 Xengsort 表现最为出色，在预测准确性和计算效率上都优于其他工具，紧随其后的是 BBSplit。而且，不同比对工具与协议搭配会影响性能，例如 Disambiguate 和 Bamcmp 与 STAR 搭配时预测准确性更高。研究还发现，不同小鼠参考基因组对读段分类影响不大，且伪比对协议计算时间更短，Xengsort 尤其高效。
综合研究结果，研究人员得出结论：小鼠读段污染会显著干扰 PDX 模型基因组和转录组分析，去除小鼠读段势在必行。在众多去除小鼠读段的协议中，Xengsort 脱颖而出，无论是预测准确性还是计算效率都表现优异，能节省大量计算资源。这一研究成果为 PDX 研究领域指明了方向，建议科研人员在处理 PDX 测序数据时选用 Xengsort，让后续研究能更精准地揭示癌症奥秘，为癌症治疗和药物研发提供更可靠的依据，推动精准肿瘤学（Precision Oncology）不断向前发展。
