用「合成腫瘤」教AI辨識癌症突變：ClairS補上長讀長定序缺口

癌症基因體分析的一道難題，是從大量定序雜訊中找出只存在於腫瘤、未見於正常細胞的體細胞突變。長讀長定序能跨越重複或難以定位的基因組區域，卻也帶來不同於短讀長資料的錯誤型態；香港大學團隊開發的深度學習工具 ClairS，試圖補上這項分析缺口。

ClairS針對成對的腫瘤與正常樣本，辨識單核苷酸變異（SNV）及較短的插入、缺失（indel）。它不只檢查某個鹼基是否異常，也利用長讀長提供的單倍型資訊，判斷候選突變能否合理歸屬於父系或母系染色體，藉此排除較可能源自定序錯誤的訊號。

真正棘手的是訓練資料。可供模型學習、又具有高可信度標記的癌症樣本遠少於生殖系變異資料。羅瑞邦教授領導的團隊因此混合兩名正常個體的真實定序讀段，把其中一人獨有的生殖系變異重新設定為模擬的腫瘤突變，並調整讀段比例，建立不同腫瘤純度、定序深度、變異等位基因頻率及正常細胞污染程度的訓練情境。

《Nature Methods》研究顯示，在六組腫瘤50倍、配對正常樣本25倍覆蓋度的Oxford Nanopore資料中，僅以合成資料訓練的模型，SNV F1分數介於87.98%至98.58%；F1是綜合精確率與召回率的指標。不過，各細胞株使用的真值集品質並不一致，部分基準答案也曾納入多種演算法的判讀，不能把這些數字直接視為臨床檢體上的正確率。

在具有較嚴格參考標準的三陰性乳癌細胞株HCC1395及其配對正常細胞HCC1395BL中，合成資料模型的SNV與indel F1分數分別為89.83%及73.38%。先以合成樣本預訓練、再加入真實癌症細胞株資料後，兩項數值提高至96.19%與79.67%，顯示合成資料能擴大訓練範圍，卻仍需要真實腫瘤特徵校準；插入與缺失的辨識尤其仍有落差。

這項工具已依BSD 3-Clause授權開放原始碼，Oxford Nanopore的配對腫瘤—正常體細胞變異流程也採用了拆解版本的ClairS。該流程目前只在特定R9與R10鹼基判讀模型下運作，短indel分析更限於R10模型，反映效能仍受到定序化學版本與分析設定影響。

距離臨床使用還有明確界線：現有驗證主要來自癌症細胞株，而非前瞻性病人檢體，也尚未證明結果能改善診斷或治療決策。研究程式庫與Oxford Nanopore文件均註明產品不供臨床診斷使用；論文並揭露羅瑞邦接受該公司研究經費。下一步須在更多癌別、腫瘤純度與真實臨床流程中獨立驗證，並釐清版本更新、品質控管與法規責任。