徐安琪 蔡 磊 高敬阳

(北京化工大学 信息科学与技术学院， 北京 100029)

引 言

拷贝数变异(copy number variation, CNV)是人类基因组中一种重要的结构变异(structural variation，SV)，它的位点突变率远高于单核苷酸变异(single nucleotide polymorphism，SNP)[1-2], 是人类疾病的重要致病因素之一。多项研究表明，拷贝数变异与多种人类肿瘤的发生密切相关，例如乳腺癌、肝癌、肾癌、食管癌等[3-5]。

现有的二代/三代测序技术使用的测序数据是多种细胞的混合样本，对这样的数据进行分析得到的结果只是一群细胞中信号的平均值，单个细胞的特异性被忽略，导致细胞的异质性不能得到体现[6]，而异质性恰恰是癌症发生、发展和复发的基础[7]。作为在单个细胞水平上对基因组、转录组、表观组进行高通量测序以揭示单个细胞的基因结构和基因表达状态的新技术,单细胞测序(single cell sequencing，SCS)是研究细胞异质性的有力工具[8]，对于探索癌症细胞异质性有着重要的意义。但由于单细胞测序是在单个细胞水平上进行的测序，所以需要对单个细胞微量全基因组DNA进行扩增。一般使用全基因组扩增(whole genome amplification，WGA)技术进行扩增，这种扩增技术可以大幅度增加DNA总量，但同时也会使得到的数据具有较低的基因覆盖度和较高的扩增偏好性，从而导致定量分析结果不准确[9]。

对于这种具有低覆盖度和高扩增偏好性的单细胞数据，大多数用于高通量测序(next generation sequencing，NGS)的CNV检测方法并不能取得良好的检测效果，只有少数可适用于单细胞数据CNV检测，这些方法从原理上基本可以分为3类，即滑动窗口、构造函数和隐马尔可夫模型[10]。……