📚 课程目录第2章体细胞突变基础

2. 体细胞突变基础

好，咱们进入正题。

体细胞突变调用，说白了就是在一堆正常细胞里，精准揪出那几个“叛变”的癌细胞所携带的突变。这事听起来简单，做起来坑特别多。在动手跑Mutect2之前，有几个基础概念必须得捋清楚。不然的话，后面参数调到你怀疑人生，结果还可能是错的。

这个区别，是肿瘤生信最核心的认知门槛。我举个例子你就明白了。

生殖细胞突变，是你爹妈遗传给你的。你的每一个细胞——头发、指甲、心肌、肿瘤——都携带这个突变。它存在于全基因组里，是“天生”的。

体细胞突变，是你后天获得的。它只出现在肿瘤组织里，正常组织没有。说白了，癌细胞在分裂增殖的过程中，DNA复制出了错，或者受到环境因素影响（抽烟、紫外线、辐射等），积累了一些突变。

你想想看，这个区别有多重要？

如果你把生殖细胞突变误判成体细胞突变，那结果就是假阳性满天飞。我刚开始做肿瘤项目时，就吃过这个亏——当时调出来的候选突变列表长达几千个，结果一看，全是胚系多态性位点。尴尬不尴尬？

所以Mutect2的核心逻辑之一，就是用配对正常样本（或者人群数据库）来过滤掉那些“本来就存在”的变异。

    总结：生殖细胞突变 = 遗传的，所有细胞都有；体细胞突变 = 后天的，只在肿瘤里。

这里我列个表，帮你快速对比：

体细胞突变不是只有一种形态。肿瘤基因组里出现的变异，花样可多了。我习惯把它们分成几大类，每一类的检测难度和临床意义都不一样。

这就是最常见的点突变。ACGT四个碱基，其中一个变成了另一个。比如 EGFR 基因的 L858R 突变，就是 858 位点的亮氨酸变成了精氨酸。

这种突变在 Mutect2 里检测起来相对容易——只要测序深度够、质量好，还是比较准的。

但这里有个坑：肿瘤的 VAF（变异等位基因频率）通常比较低，可能只有 5%-20%（受肿瘤纯度影响）。不像生殖细胞突变，VAF 基本在 50% 或 100%。所以我们做体细胞突变检测时，对低频变异的灵敏度要求特别高。

个人经验：我建议你在跑 Mutect2 之前，先看看测序深度。低于 100x 的肿瘤样本，SNV 检测灵敏度会明显下降。低于 30x？嗯...我劝你换个样本或者加大深度。

Indel 是插入或缺失几个碱基。比如 EGFR 的 19 号外显子缺失（Exon 19 deletion）就是个典型的 Indel。

这类突变在检测上比 SNV 难一些。为什么呢？因为 Indel 涉及到序列比对时的“对齐”问题——在读段比对到参考基因组时，插入或缺失的区域很容易出现错位或次优比对。

Mutect2 在处理 Indel 时用了一个叫“组装”的策略：它不会简单地依赖比对结果，而是把可疑区域的读段拿出来重新组装，然后找出真正的变异。这个做法很聪明，但计算量也大。

避坑提醒：我曾经遇到过一批样本，Indel 检测结果特别差。排查了半天，发现是文库构建时 PCR 扩增的聚合物（polymerase stutter）导致了大量假阳性 Indel。解决办法？用 UMI（唯一分子标识符）或者提高过滤阈值。嗯，这招挺管用的。

结构变异，包括大片段缺失、重复、倒位、易位等。这类变异涉及的碱基长度可以从几百到几百万。

注意，Mutect2 本身不是专门做 SV 检测的工具。它的强项是 SNV 和 Indel。如果你需要检测基因融合（比如 ALK、ROS1 的易位），你得用专门的 SV caller，比如 Manta、Delly、或者 Lumpy。

我常用的策略是：先跑 Mutect2 做 SNV/Indel，再用 Manta 做 SV，最后两个结果合并起来看。

还有一些不常见的突变类型，比如：

Mutect2 主要输出的是 VCF 文件，但你可以用它输出的结果去计算 TMB。我个人常用的是跑完 Mutect2 后，再用 filterMutectCalls 做过滤，然后用 GATK 的 CollectVariantCallingMetrics 来估算 TMB。

说白了，搞清楚突变的类型和性质，是为了回答几个关键问题：

你看，这几个问题直接决定了患者的治疗方案。所以，体细胞突变检测的准确性不仅仅是一个技术问题，更是一个生命攸关的临床决策问题。这也是为什么我每次跑 Mutect2 时都特别小心——一个错误的假阳性或假阴性，可能直接导致患者用错药。

    核心原则：体细胞突变检测的每一步都必须可追溯、可重复、有质量控制。没有 QC 的结果，不如不做。

这一章的内容比较多，我觉得不如用一张图把核心逻辑串起来，方便你后面复习用。

这张图把本章的逻辑串了起来。你往后学的时候，随时回来瞅一眼，能帮你保持全局观。