摘要：在癌症的复杂基因组中，结构变异（SVs）和拷贝数变异（SCNAs）是驱动肿瘤演化的核心力量。传统的短读测序技术（如 Illumina 平台）受限于读长，难以解析重复序列或复杂重排区域的变异，导致大量关键信息被遗漏。

编辑丨%

在癌症的复杂基因组中，结构变异（SVs）和拷贝数变异（SCNAs）是驱动肿瘤演化的核心力量。传统的短读测序技术（如 Illumina 平台）受限于读长，难以解析重复序列或复杂重排区域的变异，导致大量关键信息被遗漏。

长读测序技术虽能读取长达兆碱基的 DNA 片段，但其早期高成本、低通量和高误差率的问题，限制了在癌症研究中的应用。

为突破这一困局，欧洲分子生物学实验室（EMBL）的研究团队开发了 SAVANA 算法，目标是利用长读测序数据，实现体细胞变异的高灵敏度与高特异性检测，同时推断肿瘤纯度和倍性。

该研究以「SAVANA: reliable analysis of somatic structural variants and copy number aberrations using long-read sequencing」为题，于 2025 年 5 月 28 日刊登于《Nature Methods》。

论文链接：

SAVANA 始于对测序数据的深度「理解」，算法通过 70 余个特征（如断点位置、支持读长、覆盖深度等）刻画每个候选变异，借助随机森林（RF）机器学习模型，SAVANA 能有效区分真实变异与测序噪音。

在训练数据中，模型通过对比 99 对肿瘤-正常样本的长读与短读数据，其受试者操作特征曲线下平均面积高达 0.98，展现出惊人的判别能力。

图 1：SAVANA 概述。

针对癌细胞常存在的复杂单倍型特异性变异，SAVANA 支持对 phased 测序数据的分析，这意味着算法不仅能识别变异的存在，还能追踪其在染色体拷贝中的传递路径，在胶质母细胞瘤样本中，SAVANA 成功区分了同一基因在不同单倍型上的扩增事件。

除了变异检测，SAVANA 还能整合读深度和 B 等位基因频率（BAF）数据，推断肿瘤纯度（肿瘤细胞占比）和倍性（染色体拷贝数异常）。

通过分析杂合 SNP 在纯合缺失区域的偏移，算法可精准计算正常细胞污染程度，其结果与短读测序分析高度吻合（皮尔逊相关系数 0.97）。

在 99 例临床样本（涵盖软组织肉瘤、骨肉瘤、胶质母细胞瘤）的分析中，SAVANA 展现了强大的临床转化潜力。检测到的变异中，86% 与长读长数据结果一致。

图 2：用于 SV 和 SCNA 分析的短读长数据比较。

在骨肉瘤这一好发于青少年的恶性肿瘤中，SAVANA 成功解析了传统技术难以识别的复杂重排。

当研究团队将 SAVANA 的长读数据结果与 Illumina 短读测序对比时，两者在变异检测上高度一致。这意味着 SAVANA 不仅看得更深，还能与现有临床标准兼容。

在黑色素瘤细胞系 COLO829 的验证中，SAVANA 对 68 个体细胞 SV 的真值集进行检测，经由 PCR 验证变异的召回率显著高于其他算法。

在正常样本对比实验中，SAVANA 仅产生 5 个假阳性 SV，而 Sniffles2 和 cuteSV 分别高达 1940 和 2737 个，特异性分别为后者的 388 倍和 547 倍。

随着英国等国家将 SAVANA 纳入临床基因组学战略，长读测序的「临床化」进程正在加速。尽管仍需优化计算成本和通量，但其在复杂变异解析、肿瘤异质性追踪和跨族群医疗公平性中的潜力已毋庸置疑。

SAVANA 的诞生也暗示着长读测序在癌症研究中的成熟，其临床应用不仅是技术的突破，更是医疗理念的进一步发展。在遵循数据隐私法规的同时，SAVANA 将会为精准医疗带来更加明确的治疗方向。

来源：小何讲科学