簡介ABSOLUTE

ABSOLUTE是Broad研究所開發(fā)的一款癌癥CNV分析軟件翘悉，實(shí)質(zhì)是一個(gè)R包，可以定量細(xì)胞的絕對拷貝數(shù)累贤、腫瘤純度與倍性奔垦，如果提供突變數(shù)據(jù)屹耐，還能探究克隆與亞克隆等。關(guān)于這個(gè)軟件的文獻(xiàn)發(fā)表在NBT計(jì)算生物學(xué)上椿猎，該文獻(xiàn)是我目前所知CNV絕對定量最經(jīng)典的一篇惶岭，里面包含繁多的數(shù)學(xué)模型（反正我是沒太看懂）。不過核心思考我等還是可以理解的：ABSOLUTE主要通過3個(gè)子模型——SCNA（CNV數(shù)據(jù)）鸵贬，已預(yù)先設(shè)計(jì)好的癌癥核型以及體細(xì)胞突變頻率（MAF文件）進(jìn)行計(jì)分俗他，然后進(jìn)行整合，最高分者為最優(yōu)模型阔逼。但作者也指出最優(yōu)模型并不是最好的兆衅，所以人工評審結(jié)果是有必要的。

ABSOLUTE的簡單框架

• 樣本混合物中Cancer細(xì)胞比例： (假設(shè)單染色體組monogenomic，即有同源SCNAs)

• 樣本混合物中Normal細(xì)胞比例： （染色體倍性為2）

• 基因組某位點(diǎn)：

• Cancer細(xì)胞中該位點(diǎn)（整型）拷貝數(shù)表示為：

• Cancer細(xì)胞平均倍性為：羡亩，定義為整個(gè)基因組上的平均值

樣本混合物中位點(diǎn)的平均絕對拷貝數(shù)為：

樣本混合物中平均倍性為：

上述兩個(gè)值以單倍體基因組為單位

因此摩疑，位點(diǎn)的相對拷貝數(shù)為：

因?yàn)?img class="math-inline" src="https://math.jianshu.com/math?formula=q(x)" alt="q(x)" mathimg="1">取整數(shù)值，因此必然是離散值畏铆。最小值為雷袋，發(fā)生在純合性缺失位點(diǎn)，對應(yīng)正常細(xì)胞的DNA比例辞居。

Notably, if a cancer sample is not strictly clonal, copy-number alteration occurring in substantial subclonal fraction will appear as outliers from this pattern.

ABSOLUTE的詳細(xì)文檔

• ABSOLUTE官方頁面

• 如何獲取ABSOLUTE

• 如何運(yùn)行ABSOLUTE

我大概是從1年前開始了解ABSOLUTE這個(gè)軟件楷怒，但是一直沒搞懂怎么用，或者是說為什么作者要設(shè)計(jì)3個(gè)主函數(shù)瓦灶。一開始我看下下面的示例代碼鸠删，我處于懵逼狀態(tài)

DoAbsolute <- function(scan, sif) {
  registerDoSEQ()
  library(ABSOLUTE)
  plate.name <- "DRAWS"
  genome <- "hg18"
  platform <- "SNP_250K_STY"
  primary.disease <- sif[scan, "PRIMARY_DISEASE"]
  sample.name <- sif[scan, "SAMPLE_NAME"]
  sigma.p <- 0
  max.sigma.h <- 0.02
  min.ploidy <- 0.95
  max.ploidy <- 10
  max.as.seg.count <- 1500
  max.non.clonal <- 0
  max.neg.genome <- 0
  copy_num_type <- "allelic"
  seg.dat.fn <- file.path("output", scan, "hapseg",
                          paste(plate.name, "_", scan, "_segdat.RData", sep=""))
  results.dir <- file.path(".", "output", scan, "absolute")
  print(paste("Starting scan", scan, "at", results.dir))
  log.dir <- file.path(".", "output", "abs_logs")
  if (!file.exists(log.dir)) {
     dir.create(log.dir, recursive=TRUE)
  }
  if (!file.exists(results.dir)) {
     dir.create(results.dir, recursive=TRUE)
  }
  sink(file=file.path(log.dir, paste(scan, ".abs.out.txt", sep="")))
  RunAbsolute(seg.dat.fn, sigma.p, max.sigma.h, min.ploidy, max.ploidy, primary.disease, 
              platform, sample.name, results.dir, max.as.seg.count, max.non.clonal, 
              max.neg.genome, copy_num_type, verbose=TRUE)
  sink()
}
arrays.txt <- "./paper_example/mix250K_arrays.txt"
sif.txt <- "./paper_example/mix_250K_SIF.txt"
## read in array names
scans <- readLines(arrays.txt)[-1]
sif <- read.delim(sif.txt, as.is=TRUE)
library(foreach)
## library(doMC)
## registerDoMC(20)
foreach (scan=scans, .combine=c) %dopar% {
  DoAbsolute(scan, sif)
}
obj.name <- "DRAWS_summary"
results.dir <- file.path(".", "output", "abs_summary")
absolute.files <- file.path(".", "output",
                            scans, "absolute",
                            paste(scans, ".ABSOLUTE.RData", sep=""))
library(ABSOLUTE)
CreateReviewObject(obj.name, absolute.files, results.dir, "allelic", verbose=TRUE)
## At this point you'd perform your manual review and mark up the file 
## output/abs_summary/DRAWS_summary.PP-calls_tab.txt by prepending a column with
## your desired solution calls. After that (or w/o doing that if you choose to accept
## the defaults, which is what running this code will do) run the following command:
calls.path = file.path("output", "abs_summary", "DRAWS_summary.PP-calls_tab.txt")
modes.path = file.path("output", "abs_summary", "DRAWS_summary.PP-modes.data.RData")
output.path = file.path("output", "abs_extract")
ExtractReviewedResults(calls.path, "test", modes.path, output.path, "absolute", "allelic")

盡管我尋找到一些示例數(shù)據(jù)并可以初步運(yùn)行ABSOLUTE，但我長時(shí)間排斥使用它贼陶，因?yàn)槲依斫獠涣怂?strong>學(xué)會用并不代表學(xué)會了理解刃泡，理解了才能真正用起來。

直到我在Gene Pattern上搜索到了新的文檔說明碉怔，再加上我自己能力相比過去有所提升烘贴，很多事情便豁然開朗了。

本文最重要的文檔：http://software.broadinstitute.org/cancer/software/genepattern/modules/docs/ABSOLUTE/2

該文檔從背景撮胧、方法桨踪、示例以及結(jié)果都做了詳細(xì)地說明，雖然它講解的是ABSOLUTE在GenePattern上的運(yùn)行芹啥，但如果我們想本地運(yùn)行該包馒闷，流程和方式是完全一致的。

有幾個(gè)參數(shù)的設(shè)置需要額外注意叁征，其他參數(shù)都建議采用默認(rèn)的，作者說過默認(rèn)參數(shù)的設(shè)置是為了平衡過擬合以及解的復(fù)雜性逛薇。

• max sigma h捺疼，這個(gè)可以根據(jù)情況設(shè)大點(diǎn)，因?yàn)闃颖鹃g誤差設(shè)小了永罚，結(jié)果反而不好啤呼。
• max as seg count，這個(gè)最好事先看一些每個(gè)樣本segmentation數(shù)目的分布呢袱，默認(rèn)設(shè)置為1500官扣，也就是超過這個(gè)數(shù)目，樣本會直接打上“Fail”標(biāo)簽羞福，不會出現(xiàn)在最后的結(jié)果中惕蹄。
• max non clonal，這個(gè)參數(shù)我看到作者處理示例數(shù)據(jù)使用的是1，也就是運(yùn)行基因組存在non-clonal的最大比例
• copy number type卖陵，一般我們處理的都是total copy number遭顶，ABSOLUTE僅支持由HAPSEG或AllelicCapseg輸入的allelic數(shù)據(jù)。

ABSOLUTE的批量運(yùn)行

理解3個(gè)主函數(shù)泪蔫，依次運(yùn)行棒旗，使用示例數(shù)據(jù)測試結(jié)果即可。

如果想要批量運(yùn)行的話撩荣，可以自己寫代碼構(gòu)建函數(shù)進(jìn)行處理铣揉。我自己已經(jīng)成功構(gòu)建了，但暫時(shí)不公開了餐曹，寫文字說明也很麻煩逛拱，以后再說。