四、肿瘤样本纯度：那个你不得不正视的“隐藏变量”

做 Mutect2 过滤，有个参数很容易被忽略，却是整个过滤链条的“隐形指挥棒”——肿瘤纯度。说白了，就是肿瘤样本里真正肿瘤细胞占了多大比例。这不是你随便填个 0.8 就能万事大吉的数字。纯度不对，过滤阈值怎么调都是白搭。

4.1 纯度为什么能“绑架”你的过滤阈值？

先想一个问题：你测序出来的肿瘤样本，里面有多少变异信号是真实的肿瘤突变？

纯度低了，正常细胞的等位基因把肿瘤的信号“稀释”了，VAF（等位基因频率）整体往下走。这时候，如果你还按默认的 0.05 去过滤，一半以上的真实突变可能就被你干掉了。

我刚开始做这个时，就吃过这个亏。一个纯度只有 30% 的样本，跑完 Mutect2 一看，过滤掉了一大堆“疑似假阳性”。后来复盘才发现——根本不是假阳性，是纯度太低，真实突变被埋在了正常信号的噪音里。

4.2 纯度与噪声的“量化关系”

Mutect2 的过滤模块，核心判断依据其实是 log(odds)——也就是某个位点是真实突变的概率有多大。纯度直接影响这个概率的计算。

咱们来看一下数学关系：

log(odds) = log( P(真实突变) / P(测序错误) )

P(真实突变)  ≈  肿瘤深度 × 纯度 × VAF
P(测序错误)  ≈  正常深度 × (1 - 纯度) × 测序错误率

纯度越高，真实突变的“权重”越大，log(odds) 自然就高，过滤可以严一些。反之，纯度低了，同等 VAF 下的 log(odds) 被拉低，你不得不在 --max-events-in-region、--max-alt-allele-count 这些参数上放水。

4.3 不同纯度下的过滤策略：我的经验模板

嗯，这里直接给一个我项目里总结出来的纯度-阈值对照表。不是死规则，但至少是个好起点：

这张表，说白了就是一条“纯度越低，阈值越宽”的曲线。你想想看，纯度 10% 的样本，想检出 0.01 的 VAF 突变，你非要用 0.05 去拦，那不是自废武功吗？

4.4 实际工作中，我怎么估计纯度

不是每次都有病理报告告诉你纯度是多少。很多时候你得自己算。这里的路子我一般分两步：

1. 用外部工具估算： 比如 PURPLE、Sequenza，或者直接用 ASCAT。这些工具会基于拷贝数变异给你一个纯度估值。我个人习惯把 PURPLE 的结果作为第一手参考，因为它在 WGS 上表现得比较稳健。
2. 凭经验验证： 跑一轮 Mutect2，看看 VAF 直方图的“主峰”在哪。如果是低纯度样本，主峰通常在 0.05 - 0.15 之间，而不是 0.25 - 0.5。这时候，你心里就有数了——纯度不会高。

4.5 纯度估计不准的后果

我之前遇到过这么个事：一个 50% 纯度的样本，病理报告上写的却是“肿瘤含量较高”。我按 70% 去调阈值，结果 LOD 设到 5.5，最后只拿到几十个体细胞突变。别人用同一组数据跑出来的结果却是三百多个。

这就是典型的高估纯度，导致过滤过于激进，把真阳性全拦了。

反过来，低估纯度也很要命。你会得到一个超级冗余的突变列表，去 STRELKA、Manta 那一步验证的时候，假阳性能占到 80% 以上，基本没法用。

4.6 纯度与过滤的整体关系图

下面这张图能帮你直观理解：纯度如何像“螺丝刀”一样，拧紧了整个过滤链路上的每个环节：

你看，纯度在最上游，一但估计偏了，下游的过滤参数全部跟着跑偏。所以我在每一轮正式过滤前，都会先花十分钟确认一下纯度估计，绝不跳过。

4.7 一个实操案例：纯度从 0.8 调到 0.3 后，LOD 怎么变？

假设你有一个深度 100x 的肿瘤样本，初始估计纯度 80%。你设了 LOD 6.3，跑出来 200 个候选突变。结果后来发现纯度只有 30%——这时候你还信这 200 个突变吗？

很可能不该信。因为当初你设的 LOD 6.3，是基于“80% 的纯度为真实突变提供高概率”的假设。实际纯度只有 30%，很多 VAF 只有 0.05-0.1 的真实突变，log(odds) 根本过不了 6.3 的卡。

我的做法是这样的——重新算一遍：

• 把 VAF 在 0.05-0.1 区间的位点全部找出来
• 手动看一下它们的 reads 支持度，特别是配对正常样本的质量
• 如果支持度还行，说明不是测序噪音，而是被纯度“沉下去”的真实突变
• 这时候，我会把 LOD 降到 3.0-4.0，再跑一轮

别怕这样做会引入假阳性。低纯度样本的本质就是“假阳性与弱信号并存”。你唯一的出路是：先放宽，后验证。放宽是为了把真信号打捞上来，验证阶段再用 PCR 或另外的 orthogonal 方法去确认——那个阶段可以严。