Copy Number Variation

concept
genetic
Published

May 19, 2026

Perspective

CNV 是读肿瘤 single-cell RNA-seq 时必须尽早理解的概念。它经常不是研究结论本身，而是一个判断细胞是不是 malignant 的证据层。

先记住一句：CNV 是 DNA 拷贝数层面的异常；在 scRNA-seq 里看到的 CNV 通常是从表达模式间接推断出来的，不是直接测出来的。

Definition

Copy number variation, CNV, refers to gain or loss of genomic DNA segments compared with the expected copy number.

中文理解：CNV 指一段基因组区域的拷贝数发生变化。正常二倍体细胞里，常染色体区域通常有两份；肿瘤细胞中，某些染色体臂或基因组片段可能多了一份、少了一份，甚至发生强扩增或缺失。

常见说法：

  • copy gain：某段区域拷贝数增加。
  • copy loss：某段区域拷贝数减少。
  • amplification：较强的扩增，常用于 oncogene 区域。
  • deletion：缺失，常用于 tumor suppressor 区域。

Why It Matters

CNV 在癌症中重要，有两个层面。

第一，它可能影响基因剂量。比如包含 oncogene 的区域扩增，可能让相关基因表达更高；包含 tumor suppressor 的区域缺失，可能削弱细胞调控。

第二，它可以作为 malignant cell 的遗传指纹。许多肿瘤细胞有大尺度染色体 gain/loss，而同一样本中的正常免疫细胞、基质细胞或正常组织细胞通常没有这些肿瘤特异 CNV。

所以在肿瘤 single-cell 文献里，CNV 常被用来回答一个基础问题：

这些细胞到底是 malignant tumor cells，还是混入的 normal/non-malignant cells？

CNV From scRNA-seq

scRNA-seq 测的是 RNA expression，不是 DNA copy number。
但如果一段染色体区域发生 copy gain，这个区域里的许多基因可能整体表达偏高；如果发生 copy loss，这些基因可能整体表达偏低。

因此可以把基因按基因组位置排序，然后在较大的 genomic region 上平均表达：

genes ordered by chromosome position
  -> average expression across broad regions
  -> regional expression high: possible copy gain
  -> regional expression low: possible copy loss

关键是“大片区域平均”。单个基因的表达受 cell state、pathway、dropout 和技术噪声影响很大；但如果一整段染色体上的许多基因共同偏高或偏低，就更像 copy-number signal。

这也是为什么 scRNA-seq 推断 CNV 更适合看大尺度染色体改变，而不适合精确判断点突变、小片段变异或很局部的事件。

In Tumour Single-Cell Analysis

肿瘤单细胞分析中，CNV inference 常用于区分 malignant cells 和 non-malignant cells。

一个常见判断逻辑是：

cell has tumour-like broad CNV
  + expresses tumour/lineage programs
  -> more likely malignant

cell has normal-like CNV
  + expresses immune/stromal/normal tissue markers
  -> more likely non-malignant

这个判断最好不要只靠一层证据。更稳的做法是同时看：

  • inferred CNV pattern
  • known tumour marker programs
  • normal cell type marker programs
  • patient-specific mutation or fusion evidence
  • sample sorting/gating context
  • spatial or histology context if available

Reading Patel et al. 2014

Patel et al. 2014 是一个很好的例子。

作者想研究 GBM malignant cells 内部的 transcriptional heterogeneity。为了避免把正常细胞污染误读成肿瘤细胞异质性，他们用 scRNA-seq 表达数据推断 large-scale CNV。

他们的逻辑是：

  1. GBM malignant cells 应该携带 GBM 相关的大尺度 CNV。
  2. 正常脑细胞或免疫细胞不应该携带这些肿瘤 CNV。
  3. 如果某些单细胞 CNV 像 normal brain，同时表达也像正常细胞，就应该从 malignant-cell analysis 中排除。

结果中，normal brain bulk RNA-seq 和 10 个单细胞聚在一起，提示这些细胞 copy number normal-like。表达分析进一步显示，其中 9 个像 mature oligodendrocytes，1 个像 monocytic cell。剩下 420 个细胞没有正常脑或免疫细胞表达程序，因此被作为 malignant GBM cells 继续分析。

在 GBM 中，chromosome 7 gain 和 chromosome 10 loss 是经典大尺度改变。Patel et al. 在 malignant cells 中观察到这些模式，用来支持这些细胞的肿瘤身份。

Key Points

  • CNV 是 DNA 拷贝数异常，不是 RNA 表达本身。
  • scRNA-seq 中的 CNV 通常是从大片染色体区域的表达偏高/偏低间接推断。
  • 推断 CNV 最适合识别 broad chromosomal gains/losses。
  • 在肿瘤 single-cell 中，CNV 是 malignant cell identification 的重要证据层。
  • normal-like CNV 不自动等于正常细胞；tumour-like CNV 也要结合表达和样本背景解释。
  • 判断 malignant vs non-malignant 时，最好结合 CNV、marker、mutation、sorting 和 tissue context。

In Papers

Note

最实用的理解：CNV 在肿瘤单细胞里常常不是为了精确画出基因组变异图，而是为了判断“这个细胞像不像恶性肿瘤细胞”。它是证据，不是最终答案；最可靠的判断来自 CNV 和表达程序互相印证。