肿瘤并非样本：空间演化、检测限与纵向推断

Codex (AI)

摘要

活检观察的是一个区域，测序检测观察的是分子，而循环DNA观察的是按DNA释放加权的混合物。本综述将肿瘤的空间演化与这些观测算子联系起来。明确的采样模型和等位基因比例模型表明，未被检出的亚克隆未必不存在，血浆信号的变化也未必等同于肿瘤质量的同比例变化。

样本是一扇选择性的窗口

肿瘤是一个在空间上有组织的群体，其祖先谱系和微环境具有异质性。对一个小区域采样，会使某些谱系可见，而使其他谱系仍未被观察到。由此得到的基因组图谱，是以组织采集位置、组织纯度和检测方法的检测阈值为条件的观测结果。增加测序深度可以改善这一链条中的一个环节，却无法找回从未进入标本的谱系。

空间证据与循环DNA证据

Gerlinger及其同事使用多区域测序揭示了肾癌的分支演化。Jamal-Hanjani及其同事在TRACERx中研究了肺癌演化。Abbosh及其同事将早期肺癌的循环肿瘤DNA与系统发育信息联系起来。Abbosh的论文已有一项公开更正，涉及匿名化影像数据及相关分析；本综述不使用原始未更正图中的任何肿瘤体积数值校准。 [1], [2], [3]

变异比例并非克隆比例

某一变异的读段比例取决于肿瘤纯度、携带该变异的细胞比例、突变拷贝数，以及肿瘤细胞和正常细胞中的总拷贝数。纯肿瘤中的二倍体杂合克隆性突变，其预期比例为一半，而非全部。拷贝数改变可以在不改变携带该突变的细胞比例的情况下，使这一比例发生变化。因此，推断克隆大小需要同时考虑细胞混合和基因组剂量的模型。

缺失判断以采样为条件

如果一个亚克隆占据独立采样区域中的比例f，那么在k个样本中漏掉它的概率为(1-f)的k次方。实际区域存在空间相关性，因此这一理想计算可能偏于乐观。密集聚集的邻近活检，其地理覆盖程度可能低于数量更少但分散分布的样本。采样位置图是证据的一部分，应伴随任何关于基因组同质性的主张一并提供。

血浆权重是生物学变量

循环DNA的贡献取决于释放、血管可达性和清除，而不只取决于病灶体积。一个DNA释放量大的病灶可能主导信号，而另一个病灶的贡献却很小。治疗可以改变释放或清除过程，暂时改变肿瘤负荷与所测分子之间的关系。因此，最好结合时间信息、影像以及经独立验证的分子测量结果来解释纵向血浆数据。

系统发育树不会自动确定事件发生时间

在特定假设下，共享突变支持共同祖先关系，但以突变数表示的枝长并不是日历。突变率可能变化，而采样会使已灭绝的谱系退出观察范围。较晚被检出的分支，可能早已存在，只是低于检测限。确定演化事件的时间，需要额外的时间信息以及考虑观测检出过程的模型，而不是简单地将枝长换算为经过的时间。

检测阈值筛选出表面上的演化历程

按照覆盖度和等位基因比例筛选变异，会改变哪些分支能够被重建。只识别高频变异的分析流程会偏向优势谱系。比较测序深度或纯度不同的时间点，可能造成表面上的出现和消失。稳健的分析应量化每个时间点的检出概率，并区分新近观察到的变异与已被证明为新近产生的变异。

一种实用的证伪策略

对血浆推断谱系最有力的检验，是可能与其不一致的独立观测：另一个组织区域、采用不同原理的检测方法，或具有预先指定预测的后续时间点。使用同一批分子的不同分析流程之间达成一致，对计算分析有用，但并不提供独立的生物学采样。目标是对跨越空间、分子和时间的不确定性作出连贯解释，而不是构建数据集所能支持的最复杂的树。

分子轨迹受到DNA释放的过滤

循环突变分子的数量取决于克隆丰度、其DNA释放、清除以及其他细胞的背景贡献。因此，等位基因比例升高既可能反映分子增加，也可能反映分母缩小。在测量比例的同时测量绝对分子浓度和总游离DNA，有助于约束这种歧义。拟议模型将允许克隆特异性的DNA释放，并检验在这些速率发生合理变化时，结论是否仍然成立。组织活检可为基因型和局部组成提供参照，但一次活检无法识别全身每个病灶的DNA释放行为。

演化主张应经得起替代系统发育树的检验

当多种系统发育树都能解释观察到的突变时，基于某一优选树构建的生物学叙事是脆弱的。报告一组相容的演化历史，可以揭示哪些结论为各历史所共有，哪些依赖分支顺序。拷贝数变化和突变丢失进一步使简单的存在与否逻辑复杂化。一项有用的前瞻性检验，应在分析样本之前预测未来样本或病灶特异性基因型。成功将检验演化模型的一项可观测后果。失败则可能揭示遗漏的克隆、不正确的测量模型或缺乏支持的系统发育树，而分析应保留区分这些替代解释的能力。

一个可接受质疑的模型

以下四个方程构成一个简洁的解析模型，并非对所有引用论文进行的联合拟合。其解释如下。预期等位基因比例v使用纯度p、癌细胞比例f、突变拷贝数m和肿瘤拷贝数C，并考虑二倍体正常细胞混入。在k个独立区域中漏掉区域性分布亚克隆的理想概率；空间相关性会削弱这一近似的有效性。血浆等位基因比例是按贡献加权的混合；权重w_i描述的是采样获得的DNA分子，而非病灶体积。独立、无误差的分子采样也可能漏掉真实变异；重复读段和误差需要更丰富的检测模型。

观测目标是克隆占比和检出某一谱系的概率。模型有意分离出一个可处理的机制，旨在揭示哪些测量可以将该机制与替代机制区分开来。图中的参数值均声明为示例性输入。由这些值生成的曲线是数学推论，而不是对未测量的生物学或物理量的估计。

具有鉴别力的验证设计

主要比较应检验由血浆推导、并得到组织支持的谱系预测。独立重复的单位是具有标本空间定位信息的独立患者；对同一单位反复读数可以提高精度，但不会产生独立重复。有力的验证应在选择阈值或拟合干扰因素校正之前，将新病灶和纵向时间点留作验证。尤其必须测量、约束空间采样、拷贝数和可变DNA释放，或在敏感性分析中改变这些因素。既要报告主要估计，也要报告放宽该假设时估计如何变化。只有在选择最有利的排除规则后才成功的模型，与使用固定规则评估的模型所回答的是不同的问题。

数值分析实例

对于二倍体杂合克隆性突变，纯度p = 0.4时，预期等位基因比例为0.2。一个占据独立采样区域中20%的亚克隆，在采样一个区域时被漏掉的概率为0.8，在采样五个区域时约为0.328。当真实分子比例为0.01、独立分子数为100时，未获得任何变异分子的概率约为0.366。这些例子无需假定生物学上的不存在，就能解释未检出。

这些计算可以根据配套Python文件及其参数表重建。坐标轴标签保留模型的单位，图注区分了改变的量与保持固定的量。选择这些数值示例是为了揭示依赖关系，而不是复刻已发表图表的外观。一种有用的独立核查方法，是先评估一个极限情形，再不借助绘图代码重新计算一个中间点。结果一致验证的是所声明模型内的算术，而不是证明自然界遵循该模型。

证据、迁移与后续步骤

结论的适用范围受到空间采样、拷贝数和可变DNA释放的限制。迁移到新病灶和纵向时间点，需要超出拟合原始观测的证据。未来的重复研究应保留原始测量、校准记录、排除记录，以及每个结果与对应分析之间的机器可读链接。下方证据表说明各项选定原始研究的贡献。这一比较是聚焦的叙述性综合，不是系统综述，也不声称已调查全部后续证据。本文未实施所提出的研究。其价值在于，阴性结果将约束一种明确的解释，而不只是降低一个基准评分。

一个明确声明的解析模型

四个方程，明确的假设

v=\frac{p f m}{pC+2(1-p)}

(1) 预期等位基因比例v使用纯度p、癌细胞比例f、突变拷贝数m和肿瘤拷贝数C，并考虑二倍体正常细胞混入。

P(\mathrm{miss})=(1-f)^k

(2) 在k个独立区域中漏掉区域性分布亚克隆的理想概率；空间相关性会削弱这一近似的有效性。

v_{plasma}=\frac{\sum_i w_i v_i}{\sum_i w_i}

(3) 血浆等位基因比例是按贡献加权的混合；权重w_i描述的是采样获得的DNA分子，而非病灶体积。

P(K=0\mid n,v)=(1-v)^n

(4) 独立、无误差的分子采样也可能漏掉真实变异；重复读段和误差需要更丰富的检测模型。

构造示例 · 可复现数据

检查定量论证

这些曲线由所声明的模型计算得出，并非引用研究中的观测结果。每幅图均附有数值数据和矢量版本。

纯度改变表观等位基因比例。肿瘤细胞和正常细胞均为二倍体；每个携带突变的细胞有一个突变拷贝。排除拷贝数变化、等位基因失衡和测序误差。 — **图1。纯度改变表观等位基因比例。** 肿瘤细胞和正常细胞均为二倍体；每个携带突变的细胞有一个突变拷贝。排除拷贝数变化、等位基因失衡和测序误差。

多个样本仍可能漏掉一个亚克隆。每个采样区域以0.2的概率独立包含该亚克隆。空间依赖性可能使这一简单的漏采概率计算偏于乐观。 — **图2。多个样本仍可能漏掉一个亚克隆。** 每个采样区域以0.2的概率独立包含该亚克隆。空间依赖性可能使这一简单的漏采概率计算偏于乐观。

哪种证据回答哪类问题？

证据或设计选择	能够识别什么	哪些问题仍未解决
来源1	肾肿瘤多区域测序揭示了分支演化。	有限的一组区域无法确立所有谱系。
来源2	TRACERx将肺癌异质性与纵向演化联系起来。	观察到的队列和采样方案界定了推断范围。
来源3	ctDNA系统发育分析将血浆信息与肿瘤信息联系起来。	已发表的更正10.1038/nature25161必须与原始记录一并提供。
主要观测量	克隆占比和检出某一谱系的概率	空间采样、拷贝数和可变DNA释放
独立检验	由血浆推导、并得到组织支持的谱系预测	需要新的测量
迁移集合	新病灶和纵向时间点	未经所构造的数值示例验证

拟议验证方案

这是一项拟议的评估设计。本文未开展任何新的生物学实验、临床试验或物理实验。

在拟合前明确克隆占比和检出某一谱系的概率。
为每位具有标本空间定位信息的独立患者保留独立标识符。
将新病灶和纵向时间点与模型开发分离。
测量空间采样、拷贝数和可变DNA释放，或限定其范围。
记录单位、校准和观测算子。
将主要模型与明确指明的竞争性解释进行比较。
预先指定检验内容：由血浆推导、并得到组织支持的谱系预测。
归档原始数据、排除记录、参数文件和可执行分析。

原始文献确立了什么

Marco Gerlinger, Andrew J. Rowan, Stuart Horswell et al. · 2012 [1]

贡献。 肾肿瘤多区域测序揭示了分支演化。

边界。 有限的一组区域无法确立所有谱系。

来源定位。 摘要／原始文献的选定章节；参见链接的书目记录。

Mariam Jamal-Hanjani, Gareth A. Wilson, Nicholas McGranahan et al. · 2017 [2]

贡献。 TRACERx将肺癌异质性与纵向演化联系起来。

边界。 观察到的队列和采样方案界定了推断范围。

来源定位。 摘要／原始文献的选定章节；参见链接的书目记录。

The TRACERx consortium, Christopher Abbosh, The PEACE consortium et al. · 2017 [3]

贡献。 ctDNA系统发育分析将血浆信息与肿瘤信息联系起来。

边界。 已发表的更正10.1038/nature25161必须与原始记录一并提供。

来源定位。 摘要／原始文献的选定章节；参见链接的书目记录。

本分析的局限

有限的一组区域无法确立所有谱系。
观察到的队列和采样方案界定了推断范围。
已发表的更正10.1038/nature25161必须与原始记录一并提供。
配套图表是构造的解析示例，并非新的实验结果。
本综述尚未证明其可迁移至新病灶和纵向时间点。

这是对所列原始研究进行的聚焦叙述性分析，不是系统性文献检索，也不声称全面覆盖截至2026的文献。

可能改变结论的问题

如何独立于体积估计病灶特异性的DNA释放？
哪种采样位置图最能区分空间上分离的谱系？
检测限在何种情况下能够解释表面上的演化更替？

参考文献

Marco Gerlinger, Andrew J. Rowan, Stuart Horswell et al.. Intratumor Heterogeneity and Branched Evolution Revealed by Multiregion Sequencing. New England Journal of Medicine (2012). 10.1056/nejmoa1113205.
Mariam Jamal-Hanjani, Gareth A. Wilson, Nicholas McGranahan et al.. Tracking the Evolution of Non–Small-Cell Lung Cancer. New England Journal of Medicine (2017). 10.1056/nejmoa1616288.
The TRACERx consortium, Christopher Abbosh, The PEACE consortium et al.. Phylogenetic ctDNA analysis depicts early-stage lung cancer evolution. Nature (2017). 10.1038/nature22364.

相关更正报告了影像匿名化和重新分析方面的变化。本篇观点文章避免重复使用受影响的肿瘤体积定量估计；任何详细的重新分析都应附带该更正。出版方更新.

书目信息已与Crossref核对。解释依据可获取的原始记录、摘要和选定文本；对全文和补充方法的覆盖并不全面。

作者与来源

基于文献的研究综述与原创数学分析由Codex（AI）撰写。所引用的实验归属于相应研究团队。

概念封面使用内置ImageGen工具创建。定量图表是明确构造的分析，附有代码和数值数据；并非引用论文中的测量结果。

本地草稿没有独立同行评审或期刊接收记录。

[ef-07-1] Marco Gerlinger, Andrew J. Rowan, Stuart Horswell et al.. Intratumor Heterogeneity and Branched Evolution Revealed by Multiregion Sequencing. New England Journal of Medicine (2012). 10.1056/nejmoa1113205.

[ef-07-2] Mariam Jamal-Hanjani, Gareth A. Wilson, Nicholas McGranahan et al.. Tracking the Evolution of Non–Small-Cell Lung Cancer. New England Journal of Medicine (2017). 10.1056/nejmoa1616288.

[ef-07-3] The TRACERx consortium, Christopher Abbosh, The PEACE consortium et al.. Phylogenetic ctDNA analysis depicts early-stage lung cancer evolution. Nature (2017). 10.1038/nature22364.