重大突破！scTML数据库助力癌症单细胞突变研究

肿瘤发生发展过程中，单核苷酸变异（SNVs）、基因融合、可变剪接和拷贝数变异（CNVs）等多种突变类型普遍存在。这些突变不仅影响肿瘤的发生、发展，还导致肿瘤内和肿瘤间的异质性，进而塑造不同的免疫微环境。单细胞转录组数据的大量涌现，为从单细胞层面研究突变提供了契机。尽管已有研究证实从单细胞转录组数据中检测突变的可靠性，但目前缺乏一个能涵盖所有癌症类型全面突变信息的单细胞水平数据库。

近日，发表于《Nucleic Acids Research》的一项研究成果构建了scTML（http://sctml.xglab.tech/）数据库，为癌症研究开启新的篇章。这是首个提供多种突变类型的泛癌单细胞景观的数据库，其整合多源数据，搭建系统分析框架，为深入探究癌症突变机制提供了有力工具。

研究结果

scTML数据库整合了74个单细胞转录组数据集，涵盖24种肿瘤类型，共计2,582,633个细胞。数据来源广泛，包含35个全长（Smart-seq2）转录组单细胞数据集（收集了所有公开可用原始测序文件的全长数据集）、23个10X技术数据集以及16个空间转录组数据集。

研究团队从约80T原始测序数据中，成功识别出多种突变类型，包括636,251个SNVs和插入/缺失、98,632个基因融合、5,784个可变剪接和4,866个CNVs。同时，数据库还收录了55,407个基因表达、14种细胞状态等表型信息。

图 1 scTML的完整架构与运行逻辑图

scTML设计了全面的分析框架，从“跨数据集分析”“单数据集分析”“跨数据集关联分析”和“单数据集关联分析”四个维度展开。突变类型分为离散型（如SNVs和基因融合，以细胞中是否存在表示）和连续型（如可变剪接和CNVs，用分数表示）。

A.       “Mutation profile”页面

图 2 scTML中突变分析的网络界面

如图2，用户可在此探索跨数据集和单数据集突变概况。先选择突变类型，查看展示不同肿瘤类型中突变分布的汇总热图；再选择特定突变基因和氨基酸变化，查看跨数据集分析图，了解该突变在各数据集、肿瘤类型和细胞类型中的细胞百分比；最后选择感兴趣的肿瘤类型和数据集，查看数据集元数据、UMAP图，深入探索数据集中的突变情况。

B.        “Association”页面

图 3 scTML中跨数据集和单数据集突变-表型关联的网络界面

用户可在此探索跨数据集和单数据集突变概况。先选择突变类型，查看展示不同肿瘤类型中突变分布的汇总热图；再选择特定突变基因和氨基酸变化，查看跨数据集分析图，了解该突变在各数据集、肿瘤类型和细胞类型中的细胞百分比；最后选择感兴趣的肿瘤类型和数据集，查看数据集元数据、UMAP图，深入探索数据集中的突变情况。

C.        “Compare”页面

用以数据集为核心，综合展示和对比选定数据集中的多种突变和表型概况。用户选择数据类型、数据集，查看生物信息，选择特定基因、细胞状态和突变类型，对比UMAP图。对于空间转录组数据，还能查看组织图像及突变或表型信息在组织中的对应位置，有助于发现感兴趣的细胞亚群。

研究团队以BRAF V600E SNV为例，展示了scTML的应用价值。在慢性髓性白血病中，22%的细胞存在BRAF V600E突变，与先前研究相符。跨数据集关联分析发现，BRAF V600E与NCAM1基因呈负相关，在GSE76312数据集中，两者在UMAP图上的表达位置存在差异。此外，BCR-ABL1融合事件与BRAF V600E相互排斥，且相关细胞侵袭性更强，揭示了慢性髓性白血病中驱动突变的克隆选择和相互排斥模式。

scTML数据库为癌症研究提供了丰富资源和强大工具，可助力研究人员探究突变分布、相关基因和细胞状态，探索肿瘤发生发展机制。未来，研究团队计划进一步完善和扩展scTML，收集更多高质量数据集，纳入更多单细胞测序技术数据，推动癌症研究迈向新高度。

原文链接：https://doi.org/10.1093/nar/gkae898