hello，大家好，今天我们来分享一个新的内容，CNV事件的空间图谱，其中关于10X空间转录组进行CNV事件分析的内容，之前都分享过，文章在10X空间转录组数据分析之思路总结（针对肿瘤样本）、10X空间转录组数据推断基因拷贝数畸变（copy number aberrations）CNA，而我们今天要更进一步，推断CNV事件的空间图谱，下面放一张分析结果图。
图片.png
文章在The spatial landscape of clonal somatic mutations in benign and malignant tissue，目前是前发，方法论的文章。
定义从良性组织到恶性组织的转变是改善癌症早期诊断的基础。其中对于空间CNV事件的分析，主要基于以下考虑：
- 基因组不稳定性如何在组织学上的良性组织中出现，这可能代表癌症进化的早期事件。
- 突变可以是遗传的，也可以是后天获得的（体细胞）。 遗传基因组改变很容易识别，因为它们存在于所有细胞中，而体细胞突变通常存在于一小部分细胞中。
- The frequency and spatial distribution of these mutations has an important impact on phenotype.（CNV事件和频率的空间分布）。
-
空间CNV事件的分布与活性，如下图，组织区域的CNV事件分布与活性差异很大，CNV事件的空间图谱有利于我们对疾病的认知和诊断，甚至治疗。
图片.png
关于克隆树的构建基于以下两点：（processes of tumour clonal evolution, identifying discriminating events by spot-level CNV calling in a spatial context）
- groups of cells containing identical CN profiles were more likely to be related, than to have arisen by chance。
-
somatic CN events must be acquired sequentially over time, the more numerous the events, the more distinct the clone.
图片.png
我们来看看其他例子，主要看看CNV的空间图谱
图片.png
图片.png
确实在正常区域内存在一定的CNV事件，可能在往癌症的方向转变。
最后乳腺癌的分析案例
图片.png
总之分析表明，如 FISH 和 WGS 验证的那样，跨多种癌症类型的空间转录组数据可以有效地用于推断拷贝数变异。具体而言，对前列腺癌进行了深入的空间分析，其中包括对单个患者多达 50 000 个组织域和 10 名患者的 120 000 个组织域的前所未有的研究。对于这些区域，我们推断出每个点的全基因组信息，这有助于以高分辨率组织范围内的数据驱动聚类。此外，空间信息能够识别从形态学上不明显的小克隆cell，因此会被组织学引导的激光显微切割甚至单个细胞的随机采样所忽视。研究也表明，在某些肿瘤类型中，特别是前列腺癌、神经胶质瘤和乳腺癌，CNV 分析揭示了肿瘤内不同的克隆模式。专注于前列腺癌，这些模式（由跨肿瘤区域的 CNV 保守性定义）表明组织学良性区域和癌变区域之间迄今为止未被重视的分子关系。众所周知，CNVs 发生在肿瘤发生的早期，CNVs 可以先于肿瘤发生并且是腺体形态发生的一个特征，具有穿越疾病病理学的特定变异的传播。这项研究表明，编码癌症驱动因素的基因组区域中的 CNV 是真正的早期事件，发生在目前病理学家未知并因此被病理学家忽视的组织区域中。目前，病理学家提供的风险分层在很大程度上决定了治疗决策和随后的临床结果。这样的研究为癌症分子病理学的武器库增加了一种重要的新方法，应该会改善临床上重要癌症的早期检测，并改善前列腺癌等普遍存在的恶性肿瘤的患者预后。它还提出了关于癌症进化的重要问题。
所以最后建议，如果有癌症的空间转录组数据，不妨做一下CNV事件的空间图谱，获益良多。
生活很好，有你更好
