LeafRank：一种用于从染色体不稳定肿瘤的单细胞系统发育树中推断相对适应度的系统发育动力学框架

肿瘤包含具有不同生长潜能的癌细胞，这些差异塑造了其进化轨迹；然而，在发生全基因组加倍（WGD）和染色体不稳定性的情况下，这种适应度多样性仍难以量化。 我们提出了 LeafRank，这是一种利用单细胞 DNA 测序系统发育树来推断单个细胞相对适应度的数学框架。基于多类型分枝过程模型，LeafRank 整合了完整的树拓扑结构，包括分支长度和分叉模式，以在由罕见驱动事件主导的间断式进化机制下估计边际适应度概率。 为校正 WGD 后异常事件发生率升高的影响，我们引入了一种树重缩放策略，以调整谱系特异性的基因组不稳定性。不同于聚焦于预定义亚克隆的方法，LeafRank 对所有采样细胞进行排序，从而能够灵活评估生长异质性。 模拟结果表明，该方法在空间型和非空间型虚拟肿瘤中均具有较高准确性。将 LeafRank 应用于卵巢癌后，我们发现，在 WGD 肿瘤中存在定向选择和平行选择，并鉴定出富集于高适应度谱系中的复发性拷贝数事件。WGD 谱系并不表现出即时的生长优势，而是通过后续改变获得适应度。

肿瘤包含具有不同生长潜能的癌细胞，这些差异塑造了其进化轨迹；然而，在全基因组加倍（WGD）和染色体不稳定性的情况下，这种适应度多样性仍然难以量化。我们提出了 LeafRank，这是一种数学框架，利用单细胞 DNA 测序系统发育树来推断单个细胞的相对适应度。基于多类型分枝过程模型，LeafRank 整合了完整的树拓扑结构，包括分支长度和分叉模式，以在由罕见驱动事件主导的间断式进化机制下估计边际适应度概率。为了解决 WGD 后异常发生率升高的问题，我们引入了一种树重缩放策略，以校正谱系特异性的基因组不稳定性。不同于聚焦于预定义亚克隆的方法，LeafRank 对所有采样细胞进行排序，从而能够灵活评估生长异质性。模拟结果表明，该方法在空间型和非空间型虚拟肿瘤中均具有较高准确性。应用于卵巢癌后，LeafRank 揭示了 WGD 肿瘤中的定向选择和平行选择，并鉴定出在高适应度谱系中富集的复发性拷贝数事件。WGD 谱系并不表现出即时的生长优势，而是通过后续改变获得适应度。

感谢您有兴趣帮助传播 bioRxiv 的研究成果。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.06.736651v1?rss=1

🏷️ 单细胞DNA测序 肿瘤系统发育 相对适应度推断 染色体不稳定性 全基因组加倍 拷贝数变异