生物信息学
单细胞谱系追踪技术正在为研究癌症、发育及其他背景下细胞群体的演化与分化提供全新而强有力的方法。任何此类分析的一个关键初始步骤，都是基于克隆层面的标记将细胞分组为克隆群体。不幸的是，克隆判定容易受到技术因素的影响，包括测序错误、缺失数据、多重体、背景噪声，以及无关克隆之间克隆条形码的意外共享（同形性）。我们提出了 NovaClone，这是一种用于层次化克隆判定的原理严谨的算法，广泛适用于当前所有谱系追踪技术，包括静态条形码技术以及较新的演化型追踪器。
我们在模拟数据和真实数据上对 NovaClone 进行了基准测试，结果表明其在质量和速度方面均优于现有解决方案，从而有助于缓解单细胞谱系追踪中最普遍的问题之一。作为 NovaClone 的补充，我们引入了一套与算法无关的质量控制指标，用于在缺乏真实标签时评估克隆判定结果。NovaClone 及其相关质量控制工具已通过开源 Python 软件包 nova-clone 提供。
感谢您有兴趣帮助传播 bioRxiv。
注意：请求您的电子邮箱地址仅用于将您识别为本文的发送者。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.05.11.724244v1?rss=1
🏷️ 单细胞谱系追踪 克隆判定 条形码整合 基因分型算法 网络分析 质量控制