突变谱与突变特征

六类碱基替换与 Ti/Tv

一个碱基对的替换可以从任一条链来描述：G>A 与互补链上的 C>T 是同一件事。按惯例以嘧啶（C 或 T）为参照，所有单碱基替换归为六类：C>A、C>G、C>T、T>A、T>C、T>G。其中 C>T 和 T>C 是转换，其余四类是颠换，Ti/Tv 是两者数量之比。

Ti/Tv 常用作胚系变异检测的质控指标：胚系 SNV 的经验值在全基因组约 2.0–2.1，在外显子约 2.8–3.0，明显偏低提示假阳性较多。但这些经验值只适用于胚系变异。体细胞突变的 Ti/Tv 由背后的突变过程决定，没有固定的“正常值”。

组件展示 TCGA-LAML 中每位患者（至少有 3 个 SNV）的六类替换比例，并给出全队列的 Ti/Tv。C>T 明显占主导，与甲基化胞嘧啶的自发脱氨相符，这是一种随年龄积累的时钟样过程。每位患者只有十来个突变，单个样本的比例起伏很大，读队列整体比读单个样本可靠。

96 种背景与突变特征

六类还不够细。把每个替换两侧各一个碱基也考虑进去，6 类 × 16 种侧翼组合 = 96 类，这就是 SBS96 突变谱。不同的致突变过程会在这 96 类上留下各自的比例模式，称为突变特征：

• SBS1：CpG 处的 C>T，来自 5-甲基胞嘧啶的自发脱氨，随年龄累积；
• SBS2 / SBS13：TCW 背景中的 C>T 和 C>G，与 APOBEC 胞嘧啶脱氨酶有关；
• SBS4：以 C>A 为主，与烟草有关；
• SBS7：二嘧啶处的 C>T，与紫外线有关；
• SBS6、SBS15 等：与错配修复缺陷有关。

提取特征常用非负矩阵分解（NMF）：把“样本 × 96 类”的矩阵分解成少数几个特征，以及每个样本在各特征上的暴露量，再按余弦相似度与 COSMIC 目录比对。在 maftools 中，trinucleotideMatrix 读取侧翼碱基（需要参考基因组的 BSgenome 包），extractSignatures 做 NMF，compareSignatures 与 COSMIC 比对。COSMIC 还列出一批被认为是测序假象的特征，例如与 8-oxoG 有关的 SBS45。

常见误区

• 用胚系的 Ti/Tv 经验值评判体细胞突变。 体细胞的 Ti/Tv 取决于突变过程。
• 把 FFPE 的 C>T 当成生物学信号。 先排除假象：看 VAF 分布、方向偏好和样本类型。
• 在突变很少的样本上做单样本特征分析。 突变少时，任何特征的暴露量都不稳定。
• 把特征名直接当作病因。 特征是统计模式，只是指向可能的过程，还需要临床背景和其他证据支持。