实验2：突变特征分析实践

作者

王诗翔

发布于

2026年4月23日

实验目标

通过本实验，学生将学会：

理解突变特征分析的基本原理
使用 Sigminer 包构建突变矩阵
进行 De novo 突变特征提取
完成突变特征拟合分析
解读和可视化分析结果

实验准备

安装必要包

# 安装 sigminer（从 CRAN）
install.packages("sigminer")

# 安装 maftools（从 Bioconductor）
if (!require("BiocManager"))
    install.packages("BiocManager")
BiocManager::install("maftools")

# 加载包
library(sigminer)
library(maftools)

数据准备

本实验继续使用 TCGA LAML 数据。

# 加载示例数据
laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools")
laml.clin <- system.file("extdata", "tcga_laml_annot.tsv", package = "maftools")

# 创建 MAF 对象
laml <- read.maf(maf = laml.maf, clinicalData = laml.clin)

1. 突变特征分析理论回顾

SBS 特征分类

单碱基替换（SBS）特征将突变按 96 种类型分类：

6 种替换类型：C>A, C>G, C>T, T>A, T>C, T>G
16 种上下文组合：突变位点前后各一个碱基
总计：6 × 16 = 96 种突变类型

分析策略

策略	描述	适用场景
De novo	从数据中提取新特征	探索性研究、新数据
Refitting	拟合到已知特征	病因分析、诊断应用

2. 构建突变矩阵

从 MAF 数据提取突变信息

# 使用 sigminer 从 MAF 提取突变信息
# 首先将 MAF 数据转换为适合分析的格式

# 获取突变数据
maf_data <- laml@data

# 查看数据结构
head(maf_data, 5)

使用 sigminer 构建突变矩阵

# 从 maftools MAF 对象构建突变矩阵
# sigminer 提供了 sig_tally 函数来处理 MAF 数据

mt_tally <- sig_tally(
    laml,
    mode = "SBS"  # 单碱基替换模式
)

# 查看突变矩阵
class(mt_tally)
names(mt_tally)

点击查看结果说明

sig_tally 函数返回：

mutation_type：突变类型分类（如 C>A, C>G 等）
sample：样本突变计数矩阵
context：突变上下文信息

# 查看突变矩阵维度
if ("sample" %in% names(mt_tally)) {
    mt_matrix <- mt_tally$sample
    print(dim(mt_matrix))
}

3. De Novo 特征提取

使用 NMF 进行特征提取

# 设置特征数量范围
n_sig_range <- 2:8

# 使用 sig_extract 进行特征提取
# 注意：此步骤可能需要较长时间
sig_result <- sig_extract(
    mt_tally,
    n_sig = n_sig_range,
    cores = 1,  # 单核运行（可根据电脑配置调整）
    n_iter = 20  # 迭代次数
)

点击查看结果说明

NMF 特征提取过程：

对不同特征数量（2-8）进行分解
评估各结果的稳定性和误差
选择最佳特征数量
返回特征谱和贡献矩阵

查看提取结果

# 查看最佳特征数量
print(sig_result$n_sigs)

# 查看特征谱
print(sig_result$signature)

# 查看样本贡献
print(sig_result$exposure)

4. 特征可视化

绘制特征谱图

# 使用 sigminer 的可视化函数
show_signature_profile(sig_result)

点击查看结果说明

特征谱图展示：

每个特征在各突变类型上的贡献比例
高峰位置反映特征的突变偏好
与 COSMIC 已知特征比对可推断病因

绘制样本贡献分布图

# 展示各样本的特征贡献
show_signature_exposure(sig_result)

绘制贡献热图

# 样本特征贡献热图
show_signature_heatmap(sig_result)

5. 特征拟合分析（Refitting）

拟合到 COSMIC 已知特征

# 加载 COSMIC SBS 特征数据库
# sigminer 提供了内置的 COSMIC 特征

# 首先准备突变矩阵
if (exists("mt_tally") && "sample" %in% names(mt_tally)) {
    mt_matrix <- mt_tally$sample

    # 使用 sig_fit 拟合到 COSMIC 特征
    fit_result <- sig_fit(
        mt_matrix,
        sig_index = "cosmic_v3_sbs",
        type = "SBS"
    )

    # 查看拟合结果
    print(fit_result)
}

点击查看结果说明

拟合结果包含：

各 COSMIC 特征的贡献比例
样本特征的分配情况
可直接与 COSMIC 数据库比对解读

查看拟合贡献

# 查看各样本的已知特征贡献
if (exists("fit_result")) {
    # 查看主要贡献特征
    main_signatures <- get_main_signatures(fit_result)
    print(main_signatures)
}

6. 结果解读

COSMIC SBS 特征参考

以下是常见的 COSMIC SBS 特征及其可能病因：

特征编号	可能病因	突变模式特点
SBS1	自发性脱氨（年龄相关）	C>T in CpG sites
SBS2	APOBEC 酶活性	C>T/G at TpCpN
SBS3	DNA 修复缺陷	多种突变分布
SBS4	吸烟	C>A 突变为主
SBS5	年龄相关（时钟样）	多种突变分布
SBS7a/b/c/d	UV 照射	C>T 突变为主
SBS13	APOBEC 酶活性	类似 SBS2
SBS17	不明（可能与化疗相关）	T>G 突变

解读拟合结果

# 解读各样本的主要特征贡献
# 假设 fit_result 包含拟合结果

# 查看各特征的平均贡献
if (exists("fit_result")) {
    avg_contribution <- colMeans(fit_result$exposure)
    print(avg_contribution)

    # 绘制贡献柱状图
    barplot(avg_contribution,
            main = "平均特征贡献",
            xlab = "特征编号",
            ylab = "贡献比例")
}

7. 完整分析流程示例

以下是一个完整的突变特征分析流程：

library(sigminer)
library(maftools)

# === 步骤1：数据准备 ===
laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools")
laml <- read.maf(maf = laml.maf)

# === 步骤2：构建突变矩阵 ===
mt_tally <- sig_tally(laml, mode = "SBS")

# === 步骤3：De novo 特征提取 ===
sig_denovo <- sig_extract(
    mt_tally,
    n_sig = 2:6,
    cores = 1
)

# === 步骤4：可视化 ===
show_signature_profile(sig_denovo)

# === 步骤5：特征拟合 ===
# 拟合到 COSMIC 已知特征（需要更多数据）
# fit_result <- sig_fit(mt_matrix, sig_index = "cosmic_v3_sbs")

# === 步骤6：结果解读 ===
# 结合 COSMIC 特征病因信息进行解读

8. 高级应用

多类型特征分析

Sigminer 支持多种突变特征类型：

# SBS（单碱基替换）
sbs_tally <- sig_tally(laml, mode = "SBS")

# DBS（双碱基替换）- 需要足够数据
# dbs_tally <- sig_tally(laml, mode = "DBS")

# ID（插入缺失）
# id_tally <- sig_tally(laml, mode = "ID")

特征数量选择策略

# 评估不同特征数量下的稳定性
# 观察误差曲线和稳定性指标

# 选择特征数量的考虑因素：
# - 误差最小原则
# - 稳定性最优原则
# - 生物学可解释性

实验作业

完成以下练习：

作业1：特征提取实践

使用不同的数据子集进行特征提取，比较结果差异：

# 选择部分样本
set.seed(123)
samples <- sample(laml@variants.per.sample$Tumor_Sample_Barcode, 50)
laml_sub <- subsetMaf(laml, tsb = samples)

# 进行特征提取
mt_tally_sub <- sig_tally(laml_sub, mode = "SBS")
sig_result_sub <- sig_extract(mt_tally_sub, n_sig = 2:4, cores = 1)

# 可视化结果
show_signature_profile(sig_result_sub)

作业2：结果解读报告

描述你提取的突变特征谱图特点
与 COSMIC 已知特征进行比对
推断可能的病因和生物学意义
讨论结果的局限性

提交要求

将分析过程整理为 R Markdown 文档
保存为 HTML 格式
包含完整的代码、图表和解读

参考资料

Sigminer 文档：https://shixiangwang.github.io/sigminer-book/
COSMIC 突变特征：https://cancer.sanger.ac.uk/signatures/
Sigminer GitHub：https://github.com/ShixiangWang/sigminer

--- title: "实验2：突变特征分析实践" author: "王诗翔" date: "2026-04-23" execute: freeze: false eval: true echo: true output: true warning: false message: false format: html: toc: true toc-depth: 3 --- ## 实验目标通过本实验，学生将学会： - 理解突变特征分析的基本原理 - 使用 Sigminer 包构建突变矩阵 - 进行 De novo 突变特征提取 - 完成突变特征拟合分析 - 解读和可视化分析结果 ## 实验准备 ### 安装必要包 ```r # 安装 sigminer（从 CRAN） install.packages("sigminer") # 安装 maftools（从 Bioconductor） if (!require("BiocManager")) install.packages("BiocManager") BiocManager::install("maftools") # 加载包 library(sigminer) library(maftools) ``` ### 数据准备本实验继续使用 TCGA LAML 数据。 ```r # 加载示例数据 laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools") laml.clin <- system.file("extdata", "tcga_laml_annot.tsv", package = "maftools") # 创建 MAF 对象 laml <- read.maf(maf = laml.maf, clinicalData = laml.clin) ``` ## 1. 突变特征分析理论回顾 ### SBS 特征分类单碱基替换（SBS）特征将突变按 96 种类型分类： - **6 种替换类型**：C>A, C>G, C>T, T>A, T>C, T>G - **16 种上下文组合**：突变位点前后各一个碱基 - **总计**：6 × 16 = 96 种突变类型 ### 分析策略 | 策略 | 描述 | 适用场景 | |------|------|----------| | De novo | 从数据中提取新特征 | 探索性研究、新数据 | | Refitting | 拟合到已知特征 | 病因分析、诊断应用 | ## 2. 构建突变矩阵 ### 从 MAF 数据提取突变信息 ```r # 使用 sigminer 从 MAF 提取突变信息 # 首先将 MAF 数据转换为适合分析的格式 # 获取突变数据 maf_data <- laml@data # 查看数据结构 head(maf_data, 5) ``` ### 使用 sigminer 构建突变矩阵 ```r # 从 maftools MAF 对象构建突变矩阵 # sigminer 提供了 sig_tally 函数来处理 MAF 数据 mt_tally <- sig_tally( laml, mode = "SBS" # 单碱基替换模式 ) # 查看突变矩阵 class(mt_tally) names(mt_tally) ``` <details> <summary>点击查看结果说明</summary> `sig_tally` 函数返回： - **mutation_type**：突变类型分类（如 C>A, C>G 等） - **sample**：样本突变计数矩阵 - **context**：突变上下文信息 </details> ```r # 查看突变矩阵维度 if ("sample" %in% names(mt_tally)) { mt_matrix <- mt_tally$sample print(dim(mt_matrix)) } ``` ## 3. De Novo 特征提取 ### 使用 NMF 进行特征提取 ```r # 设置特征数量范围 n_sig_range <- 2:8 # 使用 sig_extract 进行特征提取 # 注意：此步骤可能需要较长时间 sig_result <- sig_extract( mt_tally, n_sig = n_sig_range, cores = 1, # 单核运行（可根据电脑配置调整） n_iter = 20 # 迭代次数 ) ``` <details> <summary>点击查看结果说明</summary> NMF 特征提取过程： 1. 对不同特征数量（2-8）进行分解 2. 评估各结果的稳定性和误差 3. 选择最佳特征数量 4. 返回特征谱和贡献矩阵 </details> ### 查看提取结果 ```r # 查看最佳特征数量 print(sig_result$n_sigs) # 查看特征谱 print(sig_result$signature) # 查看样本贡献 print(sig_result$exposure) ``` ## 4. 特征可视化 ### 绘制特征谱图 ```r # 使用 sigminer 的可视化函数 show_signature_profile(sig_result) ``` <details> <summary>点击查看结果说明</summary> 特征谱图展示： - 每个特征在各突变类型上的贡献比例 - 高峰位置反映特征的突变偏好 - 与 COSMIC 已知特征比对可推断病因 </details> ### 绘制样本贡献分布图 ```r # 展示各样本的特征贡献 show_signature_exposure(sig_result) ``` ### 绘制贡献热图 ```r # 样本特征贡献热图 show_signature_heatmap(sig_result) ``` ## 5. 特征拟合分析（Refitting） ### 拟合到 COSMIC 已知特征 ```r # 加载 COSMIC SBS 特征数据库 # sigminer 提供了内置的 COSMIC 特征 # 首先准备突变矩阵 if (exists("mt_tally") && "sample" %in% names(mt_tally)) { mt_matrix <- mt_tally$sample # 使用 sig_fit 拟合到 COSMIC 特征 fit_result <- sig_fit( mt_matrix, sig_index = "cosmic_v3_sbs", type = "SBS" ) # 查看拟合结果 print(fit_result) } ``` <details> <summary>点击查看结果说明</summary> 拟合结果包含： - 各 COSMIC 特征的贡献比例 - 样本特征的分配情况 - 可直接与 COSMIC 数据库比对解读 </details> ### 查看拟合贡献 ```r # 查看各样本的已知特征贡献 if (exists("fit_result")) { # 查看主要贡献特征 main_signatures <- get_main_signatures(fit_result) print(main_signatures) } ``` ## 6. 结果解读 ### COSMIC SBS 特征参考以下是常见的 COSMIC SBS 特征及其可能病因： | 特征编号 | 可能病因 | 突变模式特点 | |----------|----------|--------------| | SBS1 | 自发性脱氨（年龄相关） | C>T in CpG sites | | SBS2 | APOBEC 酶活性 | C>T/G at TpCpN | | SBS3 | DNA 修复缺陷 | 多种突变分布 | | SBS4 | 吸烟 | C>A 突变为主 | | SBS5 | 年龄相关（时钟样） | 多种突变分布 | | SBS7a/b/c/d | UV 照射 | C>T 突变为主 | | SBS13 | APOBEC 酶活性 | 类似 SBS2 | | SBS17 | 不明（可能与化疗相关） | T>G 突变 | ### 解读拟合结果 ```r # 解读各样本的主要特征贡献 # 假设 fit_result 包含拟合结果 # 查看各特征的平均贡献 if (exists("fit_result")) { avg_contribution <- colMeans(fit_result$exposure) print(avg_contribution) # 绘制贡献柱状图 barplot(avg_contribution, main = "平均特征贡献", xlab = "特征编号", ylab = "贡献比例") } ``` ## 7. 完整分析流程示例以下是一个完整的突变特征分析流程： ```r library(sigminer) library(maftools) # === 步骤1：数据准备 === laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools") laml <- read.maf(maf = laml.maf) # === 步骤2：构建突变矩阵 === mt_tally <- sig_tally(laml, mode = "SBS") # === 步骤3：De novo 特征提取 === sig_denovo <- sig_extract( mt_tally, n_sig = 2:6, cores = 1 ) # === 步骤4：可视化 === show_signature_profile(sig_denovo) # === 步骤5：特征拟合 === # 拟合到 COSMIC 已知特征（需要更多数据） # fit_result <- sig_fit(mt_matrix, sig_index = "cosmic_v3_sbs") # === 步骤6：结果解读 === # 结合 COSMIC 特征病因信息进行解读 ``` ## 8. 高级应用 ### 多类型特征分析 Sigminer 支持多种突变特征类型： ```r # SBS（单碱基替换） sbs_tally <- sig_tally(laml, mode = "SBS") # DBS（双碱基替换）- 需要足够数据 # dbs_tally <- sig_tally(laml, mode = "DBS") # ID（插入缺失） # id_tally <- sig_tally(laml, mode = "ID") ``` ### 特征数量选择策略 ```r # 评估不同特征数量下的稳定性 # 观察误差曲线和稳定性指标 # 选择特征数量的考虑因素： # - 误差最小原则 # - 稳定性最优原则 # - 生物学可解释性 ``` ## 实验作业完成以下练习： ### 作业1：特征提取实践使用不同的数据子集进行特征提取，比较结果差异： ```r # 选择部分样本 set.seed(123) samples <- sample(laml@variants.per.sample$Tumor_Sample_Barcode, 50) laml_sub <- subsetMaf(laml, tsb = samples) # 进行特征提取 mt_tally_sub <- sig_tally(laml_sub, mode = "SBS") sig_result_sub <- sig_extract(mt_tally_sub, n_sig = 2:4, cores = 1) # 可视化结果 show_signature_profile(sig_result_sub) ``` ### 作业2：结果解读报告 1. 描述你提取的突变特征谱图特点 2. 与 COSMIC 已知特征进行比对 3. 推断可能的病因和生物学意义 4. 讨论结果的局限性 ### 提交要求 - 将分析过程整理为 R Markdown 文档 - 保存为 HTML 格式 - 包含完整的代码、图表和解读 ## 参考资料 - Sigminer 文档：https://shixiangwang.github.io/sigminer-book/ - COSMIC 突变特征：https://cancer.sanger.ac.uk/signatures/ - Sigminer GitHub：https://github.com/ShixiangWang/sigminer