讲座4：突变特征分析理论

作者

王诗翔

发布于

2026年4月23日

4.1 突变特征概念

突变特征定义

突变特征（Mutational Signature）：不同的突变过程产生独特的突变类型组合，这些特征性的模式被称为突变特征。

突变过程的来源

体细胞突变存在于人体所有细胞中，并贯穿一生。突变过程的来源包括：

DNA 复制错误：复制机制的内在轻微不忠实性
外源诱变剂：紫外线、化学物质等外部因素
内源诱变剂：体内代谢产物等内部因素
酶促修饰：DNA 的酶促修饰过程
DNA 修复缺陷：缺陷 DNA 修复机制

突变特征的生物学意义

反映 DNA 损伤的具体机制
揭示环境因素的影响
指导肿瘤病因学研究
辅助肿瘤分类和诊断
预测治疗响应

4.2 突变特征分类

主要突变特征类型

类型	全称	描述	特征数量（COSMIC）
SBS	Single Base Substitution	单碱基替换	96种（6×4×4）
DBS	Double Base Substitution	双碱基替换	多种组合
ID	Small Insertion/Deletion	小插入缺失	多种类型
CN	Copy Number	拷贝数变异	多种模式

SBS 特征详解

SBS 特征是最常用的突变特征类型。

SBS 96 分类：

将单碱基替换按以下方式分类：

6 种替换类型：C>A, C>G, C>T, T>A, T>C, T>G
4 种上下文碱基：突变位点前后各一个碱基（16种组合）
总数：6 × 16 = 96 种分类

SBS 分类示意图：

          5'碱基    3'碱基
            ↓         ↓
序列：...  A  C  T  G  ...
           ↑  ↑
          突变位点

C>T 突变在 ACT 上下文中 → A[C>T]G 类别

常见 SBS 特征示例

特征编号	可能病因	特点
SBS1	自发性脱氨	年龄相关，C>T in CpG
SBS2	APOBEC	C>T/G 在 TpC 上下文
SBS4	吸烟	C>A 突变为主
SBS7	UV照射	C>T 突变为主
SBS13	APOBEC	类似 SBS2
SBS17	不明	T>G 突变

4.3 突变特征分析方法

两类主要分析策略

1. De novo 特征提取（从头提取）

不依赖已知特征
从数据中自动发现新特征
使用非负矩阵分解（NMF）等方法

2. 特征拟合（Refitting）

将突变数据拟合到已知特征
计算各已知特征的贡献比例
便于与 COSMIC 数据库比较

方法比较

方面	De novo	Refitting
依赖性	不依赖已知特征	需要已知特征参考
新发现	可发现新特征	只能识别已知特征
可解释性	需后续比对解读	直接可解读
适用场景	探索性研究	病因分析、诊断

NMF 分解原理

非负矩阵分解（NMF）是突变特征提取的核心方法。

数学原理：

将突变矩阵 M 分解为两个非负矩阵：

\[M \approx W \times H\]

M：样本×突变类型的突变计数矩阵
W：样本×特征的贡献矩阵
H：特征×突变类型的特征谱矩阵

参数选择：

特征数量 N 的选择
稳定性评估
误差评估

4.4 COSMIC 突变特征数据库

数据库介绍

COSMIC（Catalogue Of Somatic Mutations In Cancer）突变特征数据库由 Sanger Institute 维护。

网址：https://cancer.sanger.ac.uk/signatures/

数据库内容

所有已知突变特征的谱图
特征的生物学病因解释
特征在不同癌症类型中的分布
特征分析的教程和工具

特征命名规范

SBS + 数字：单碱基替换特征
DBS + 数字：双碱基替换特征
ID + 数字：插入缺失特征
CN + 数字：拷贝数特征

4.5 Sigminer 分析流程

Sigminer 简介

Sigminer 是由王诗翔开发的突变特征分析工具，提供了完整的分析流程。

核心功能：

数据读取和预处理
De novo 特征提取
特征拟合分析
结果可视化

分析流程概览

原始数据 → 突变矩阵构建 → 特征提取/拟合 → 结果可视化 → 生物学解读

Sigminer 使用步骤

步骤1：数据读取

library(sigminer)

# 从 MAF 文件读取
maf_file <- "sample.maf"
sig_data <- read_maf(maf_file)

# 或从 maftools MAF 对象转换
laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools")
laml <- read.maf(maf = laml.maf)
sig_input <- sig_input(laml)

步骤2：突变矩阵构建

# 构建突变计数矩阵
mt_matrix <- create_mut_matrix(sig_data)

# 查看矩阵维度
dim(mt_matrix)

步骤3：De novo 特征提取

# 使用 NMF 提取特征
sig_extract <- sig_extract(mt_matrix, n_sig = 2:10)

# 查看最佳特征数
sig_extract$best_n

步骤4：特征拟合

# 拟合到 COSMIC 已知特征
sig_fit <- sig_fit(mt_matrix, signature = "cosmic")

# 查看拟合结果
sig_fit$result

步骤5：结果可视化

# 绘制特征谱图
show_signature_profile(sig_extract)

# 绘制贡献分布图
show_signature_contribution(sig_extract)

# 绘制样本贡献热图
show_signature_heatmap(sig_extract)

4.6 结果解读指南

特征谱图解读

特征谱图展示每个特征在各突变类型上的贡献。

解读要点：

高峰位置反映主要突变类型
与 COSMIC 已知特征比对
考虑生物学背景信息

特征贡献解读

每个样本的特征贡献反映该样本经历的不同突变过程。

解读要点：

主要贡献特征反映主要病因
年龄相关特征（SBS1）普遍存在
特殊特征反映特定暴露或机制

生物学意义推断

根据已知特征的病因信息推断：

SBS1/SBS5：年龄相关，时钟样特征
SBS2/SBS13：APOBEC活性
SBS4：吸烟
SBS7：UV暴露
SBS17：化疗药物等

4.7 突变特征应用场景

病因学研究

识别致癌因素
环境暴露评估
肿瘤预防指导

肿瘤分类

肿瘤亚型划分
分子诊断辅助
预后预测

治疗决策

化疗响应预测
DNA修复缺陷识别
精准治疗指导

研究前沿

新特征发现
特征演化研究
多组学整合分析

本讲小结

本讲座介绍了突变特征分析的理论基础：

突变特征的定义和生物学意义
突变特征的分类体系（SBS、DBS、ID、CN）
De novo 和 Refitting 两类分析方法
NMF 分解的数学原理
COSMIC 突变特征数据库
Sigminer 分析流程
结果解读指南

课后思考题：

如何根据特征谱图判断突变特征的可能病因？
De novo 和 Refitting 分析各自适用于什么场景？
变特征分析如何为肿瘤精准治疗提供依据？

--- title: "讲座4：突变特征分析理论" author: "王诗翔" date: "2026-04-23" format: html: toc: true toc-depth: 3 --- ## 4.1 突变特征概念 ### 突变特征定义 **突变特征（Mutational Signature）**：不同的突变过程产生独特的突变类型组合，这些特征性的模式被称为突变特征。 ### 突变过程的来源体细胞突变存在于人体所有细胞中，并贯穿一生。突变过程的来源包括： - **DNA 复制错误**：复制机制的内在轻微不忠实性 - **外源诱变剂**：紫外线、化学物质等外部因素 - **内源诱变剂**：体内代谢产物等内部因素 - **酶促修饰**：DNA 的酶促修饰过程 - **DNA 修复缺陷**：缺陷 DNA 修复机制 ### 突变特征的生物学意义 - 反映 DNA 损伤的具体机制 - 揭示环境因素的影响 - 指导肿瘤病因学研究 - 辅助肿瘤分类和诊断 - 预测治疗响应 ## 4.2 突变特征分类 ### 主要突变特征类型 | 类型 | 全称 | 描述 | 特征数量（COSMIC） | |------|------|------|---------------------| | SBS | Single Base Substitution | 单碱基替换 | 96种（6×4×4） | | DBS | Double Base Substitution | 双碱基替换 | 多种组合 | | ID | Small Insertion/Deletion | 小插入缺失 | 多种类型 | | CN | Copy Number | 拷贝数变异 | 多种模式 | ### SBS 特征详解 SBS 特征是最常用的突变特征类型。 **SBS 96 分类**：将单碱基替换按以下方式分类： 1. **6 种替换类型**：C>A, C>G, C>T, T>A, T>C, T>G 2. **4 种上下文碱基**：突变位点前后各一个碱基（16种组合） 3. **总数**：6 × 16 = 96 种分类 **SBS 分类示意图**： ``` 5'碱基 3'碱基 ↓ ↓ 序列：... A C T G ... ↑ ↑ 突变位点 C>T 突变在 ACT 上下文中 → A[C>T]G 类别 ``` ### 常见 SBS 特征示例 | 特征编号 | 可能病因 | 特点 | |----------|----------|------| | SBS1 | 自发性脱氨 | 年龄相关，C>T in CpG | | SBS2 | APOBEC | C>T/G 在 TpC 上下文 | | SBS4 | 吸烟 | C>A 突变为主 | | SBS7 | UV照射 | C>T 突变为主 | | SBS13 | APOBEC | 类似 SBS2 | | SBS17 | 不明 | T>G 突变 | ## 4.3 突变特征分析方法 ### 两类主要分析策略 **1. De novo 特征提取（从头提取）** - 不依赖已知特征 - 从数据中自动发现新特征 - 使用非负矩阵分解（NMF）等方法 **2. 特征拟合（Refitting）** - 将突变数据拟合到已知特征 - 计算各已知特征的贡献比例 - 便于与 COSMIC 数据库比较 ### 方法比较 | 方面 | De novo | Refitting | |------|---------|-----------| | 依赖性 | 不依赖已知特征 | 需要已知特征参考 | | 新发现 | 可发现新特征 | 只能识别已知特征 | | 可解释性 | 需后续比对解读 | 直接可解读 | | 适用场景 | 探索性研究 | 病因分析、诊断 | ### NMF 分解原理非负矩阵分解（NMF）是突变特征提取的核心方法。 **数学原理**：将突变矩阵 M 分解为两个非负矩阵： $$M \approx W \times H$$ - **M**：样本×突变类型的突变计数矩阵 - **W**：样本×特征的贡献矩阵 - **H**：特征×突变类型的特征谱矩阵 **参数选择**： - 特征数量 N 的选择 - 稳定性评估 - 误差评估 ## 4.4 COSMIC 突变特征数据库 ### 数据库介绍 COSMIC（Catalogue Of Somatic Mutations In Cancer）突变特征数据库由 Sanger Institute 维护。 **网址**：https://cancer.sanger.ac.uk/signatures/ ### 数据库内容 - 所有已知突变特征的谱图 - 特征的生物学病因解释 - 特征在不同癌症类型中的分布 - 特征分析的教程和工具 ### 特征命名规范 - **SBS + 数字**：单碱基替换特征 - **DBS + 数字**：双碱基替换特征 - **ID + 数字**：插入缺失特征 - **CN + 数字**：拷贝数特征 ## 4.5 Sigminer 分析流程 ### Sigminer 简介 Sigminer 是由王诗翔开发的突变特征分析工具，提供了完整的分析流程。 **核心功能**： - 数据读取和预处理 - De novo 特征提取 - 特征拟合分析 - 结果可视化 ### 分析流程概览 ``` 原始数据 → 突变矩阵构建 → 特征提取/拟合 → 结果可视化 → 生物学解读 ``` ### Sigminer 使用步骤 **步骤1：数据读取** ```r library(sigminer) # 从 MAF 文件读取 maf_file <- "sample.maf" sig_data <- read_maf(maf_file) # 或从 maftools MAF 对象转换 laml.maf <- system.file("extdata", "tcga_laml.maf.gz", package = "maftools") laml <- read.maf(maf = laml.maf) sig_input <- sig_input(laml) ``` **步骤2：突变矩阵构建** ```r # 构建突变计数矩阵 mt_matrix <- create_mut_matrix(sig_data) # 查看矩阵维度 dim(mt_matrix) ``` **步骤3：De novo 特征提取** ```r # 使用 NMF 提取特征 sig_extract <- sig_extract(mt_matrix, n_sig = 2:10) # 查看最佳特征数 sig_extract$best_n ``` **步骤4：特征拟合** ```r # 拟合到 COSMIC 已知特征 sig_fit <- sig_fit(mt_matrix, signature = "cosmic") # 查看拟合结果 sig_fit$result ``` **步骤5：结果可视化** ```r # 绘制特征谱图 show_signature_profile(sig_extract) # 绘制贡献分布图 show_signature_contribution(sig_extract) # 绘制样本贡献热图 show_signature_heatmap(sig_extract) ``` ## 4.6 结果解读指南 ### 特征谱图解读特征谱图展示每个特征在各突变类型上的贡献。 **解读要点**： - 高峰位置反映主要突变类型 - 与 COSMIC 已知特征比对 - 考虑生物学背景信息 ### 特征贡献解读每个样本的特征贡献反映该样本经历的不同突变过程。 **解读要点**： - 主要贡献特征反映主要病因 - 年龄相关特征（SBS1）普遍存在 - 特殊特征反映特定暴露或机制 ### 生物学意义推断根据已知特征的病因信息推断： - SBS1/SBS5：年龄相关，时钟样特征 - SBS2/SBS13：APOBEC活性 - SBS4：吸烟 - SBS7：UV暴露 - SBS17：化疗药物等 ## 4.7 突变特征应用场景 ### 病因学研究 - 识别致癌因素 - 环境暴露评估 - 肿瘤预防指导 ### 肿瘤分类 - 肿瘤亚型划分 - 分子诊断辅助 - 预后预测 ### 治疗决策 - 化疗响应预测 - DNA修复缺陷识别 - 精准治疗指导 ### 研究前沿 - 新特征发现 - 特征演化研究 - 多组学整合分析 ## 本讲小结本讲座介绍了突变特征分析的理论基础： 1. 突变特征的定义和生物学意义 2. 突变特征的分类体系（SBS、DBS、ID、CN） 3. De novo 和 Refitting 两类分析方法 4. NMF 分解的数学原理 5. COSMIC 突变特征数据库 6. Sigminer 分析流程 7. 结果解读指南 **课后思考题**： - 如何根据特征谱图判断突变特征的可能病因？ - De novo 和 Refitting 分析各自适用于什么场景？ - 变特征分析如何为肿瘤精准治疗提供依据？