肿瘤类器官测序分析¶

# === 类器官 vs 原始肿瘤一致性分析 ===
import pandas as pd                    # 数据处理
import matplotlib.pyplot as plt        # 绑图
from matplotlib_venn import venn2      # 韦恩图

# 1. 读取两组突变数据（原始肿瘤和类器官）
tumor_muts = pd.read_csv("tumor_mutations.tsv", sep="\t")
organoid_muts = pd.read_csv("organoid_mutations.tsv", sep="\t")

# 创建唯一突变ID
for df in [tumor_muts, organoid_muts]:
    df["mut_id"] = (df["CHROM"].astype(str) + ":" +
                    df["POS"].astype(str) + ":" +
                    df["REF"] + ">" + df["ALT"])

# 2. 计算突变重叠
tumor_set = set(tumor_muts["mut_id"])       # 肿瘤突变集
org_set = set(organoid_muts["mut_id"])       # 类器官突变集
shared = tumor_set & org_set                  # 共有突变
tumor_only = tumor_set - org_set              # 肿瘤独有
org_only = org_set - tumor_set                # 类器官独有

concordance = len(shared) / len(tumor_set | org_set) * 100
print(f"突变一致率: {concordance:.1f}%")
print(f"共有突变: {len(shared)}")
print(f"肿瘤独有: {len(tumor_only)}")
print(f"类器官独有: {len(org_only)}")

# 3. 韦恩图可视化
plt.figure(figsize=(8, 6))
venn2([tumor_set, org_set],
      set_labels=("原始肿瘤", "类器官"))
plt.title(f"突变一致性分析 (concordance: {concordance:.1f}%)")
plt.savefig("organoid_concordance.png", dpi=150)

# 4. VAF 相关性分析（共有突变在两组中的频率对比）
shared_list = list(shared)             # 共有突变列表
tumor_vafs = []                        # 肿瘤中的VAF
org_vafs = []                          # 类器官中的VAF

for mut in shared_list:                # 遍历共有突变
    t_row = tumor_muts[tumor_muts["mut_id"] == mut]
    o_row = organoid_muts[organoid_muts["mut_id"] == mut]
    if len(t_row) > 0 and len(o_row) > 0:
        tumor_vafs.append(t_row.iloc[0]["VAF"])
        org_vafs.append(o_row.iloc[0]["VAF"])

# 散点图：VAF 相关性
from scipy.stats import pearsonr       # 皮尔逊相关
r, p = pearsonr(tumor_vafs, org_vafs)  # 计算相关系数
plt.figure(figsize=(8, 8))
plt.scatter(tumor_vafs, org_vafs, alpha=0.5, s=10)
plt.xlabel("原始肿瘤 VAF")            # X轴
plt.ylabel("类器官 VAF")               # Y轴
plt.title(f"VAF 相关性 (r={r:.3f}, p={p:.2e})")
plt.plot([0, 1], [0, 1], "r--")       # 对角线
plt.savefig("vaf_correlation.png", dpi=150)

# === 类器官传代稳定性分析 ===
library(maftools)                      # MAF分析

# 1. 读取不同代次的突变数据
p0 <- read.maf("organoid_P0.maf")     # 初始代
p5 <- read.maf("organoid_P5.maf")     # 第5代
p10 <- read.maf("organoid_P10.maf")   # 第10代

# 2. 基因级别突变频率比较
# 绘制 oncoplot 对比
oncoplot(maf = p0, top = 20,          # P0 前20基因
         title = "P0 初始代")
oncoplot(maf = p5, top = 20,
         title = "P5 第5代")

# 3. 突变数变化趋势
n_muts <- c(
  P0 = nrow(p0@data),                 # P0突变数
  P5 = nrow(p5@data),                 # P5突变数
  P10 = nrow(p10@data)                # P10突变数
)
barplot(n_muts, main = "传代突变数变化",
        ylab = "突变数", col = "steelblue")