stCNASim：考虑等位基因的空间RNA测序模拟器，可实现拷贝数推断的系统性基准评测

空间转录组学（ST）通过实现具有空间分辨率的拷贝数改变（CNA）分析，正在革新对肿瘤演化的研究。然而，由于缺乏真实值数据集，当前单细胞（SC）及ST特异性CNA推断工具的准确性和稳健性评估仍然面临挑战。 在此，我们提出了 stCNASim，这是一种具备等位基因感知能力的空间RNA测序模拟器，可在真实的空间背景中生成原始测序 reads。我们在不同技术条件和空间结构下合成了46个基准测试数据集，用于评估五种广泛使用的计算方法。我们的分析表明，尽管基于SC的方法能够较好地适配ST数据，ST特异性方法则能够从考虑空间自相关中获益，但在高空间混杂条件下面临困难。具备等位基因感知能力的方法 CalicoST、Numbat 和 XClone 达到了顶尖水平的性能，并在极端情境下各自展现出独特优势；然而，它们分别对低纯度、镜像等位基因和低覆盖度表现出不同的敏感性。通过提供一个可扩展的模拟器和严格的基准评测，本研究建立了一个亟需的框架，以指导并加速未来空间CNA分析工具的开发。

空间转录组学（spatial transcriptomics, ST）通过实现具有空间分辨率的拷贝数变异（copy-number alteration, CNA）分析，正在革新肿瘤演化研究。然而，由于缺乏真实值数据集，当前单细胞（single-cell, SC）及ST特异性CNA推断工具的准确性和稳健性评估仍然具有挑战性。在此，我们提出了stCNASim，这是一种具备等位基因感知能力的空间RNA测序模拟器，可在真实的空间背景下生成原始测序读段。

我们在不同技术设定和空间结构条件下合成了46个基准测试数据集，以评估五种广泛使用的计算方法。我们的分析表明，尽管基于SC的方法能够较好地适配ST数据，ST特异性方法也能通过考虑空间自相关而获得显著收益，但在高空间混杂条件下表现欠佳。具备等位基因感知能力的方法CalicoST、Numbat和XClone取得了顶尖水平的性能，并在极端情境下各自展现出独特优势；然而，它们分别对低纯度、镜像等位基因和低覆盖度表现出不同的敏感性。通过提供一个可扩展的模拟器和严格的基准评测，本研究建立了一个亟需的框架，以指导并加速未来空间CNA分析工具的发展。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.06.743179v1?rss=1

🏷️ 空间转录组学 拷贝数改变 RNA测序模拟 基准评测 等位基因分析 肿瘤演化