拷贝数变异检测算法之CBS算法详解
CBS算法全称为circular binary segmentation，是一种用于检测拷贝数变异的算法，广泛应用于染色体芯片和二代测序数据的分析中。R包DNAcopy即是基于CBS算法实现的。
作为一种简洁而高效的检测方法，CBS算法通过基于双样本的T检验的优化设计，致力于发现拷贝数变异的断点所在区域。对于aCGH检测数据或二代测序数据，其核心任务是将连续区域的log2copyratio数据聚类，形成更大的变异区域。
解析CBS算法，首先需要理解其解决的主要问题：识别基因组上连续区域的拷贝数变异。对于二代测序数据，通过统计比对后的reads数目或平均测序深度，结合GC校正和参照集校正，计算出log2copyratio数值。CBS算法的目标是连接数值相近的区域，识别出拷贝数变异区域。
以单个断点为例，CBS算法在假设两侧数据为正态分布、方差已知的情况下，通过双样本的T检验来确定断点是否具有实际意义。Z检验后，利用蒙特卡洛算法计算P值，评估断点的显著性。
然而，单一断点处理方法无法应对中间存在拷贝数变异的长片段问题。因此，CBS算法需要针对多断点场景进行调整。算法遍历连续区域，比较不同区域间的log2copyratio差异，通过计算Z值来识别变异区域，随后利用蒙特卡洛方法计算P值。
默认数据正态分布的假设下，CBS算法采用蒙特卡洛法计算P值。对于非正态分布数据，算法可扩展至使用排列组合方法计算P值。找到最大Z值的区域后，通过随机排列整段区域数据（如10000次），计算Z值，统计超过最大Z值的次数，得到P值。
当前DNAcopy包中的CBS算法在基础版本上进一步优化了计算速度，特别是P值计算方法。优化后的算法更高效地识别拷贝数变异，提升了分析效率。
继续阅读：拷贝数变异检测算法之CBS算法详解作为一种简洁而高效的检测方法，CBS算法通过基于双样本的T检验的优化设计，致力于发现拷贝数变异的断点所在区域。对于aCGH检测数据或二代测序数据，其核心任务是将连续区域的log2copyratio数据聚类，形成更大的变异区域。
解析CBS算法，首先需要理解其解决的主要问题：识别基因组上连续区域的拷贝数变异。对于二代测序数据，通过统计比对后的reads数目或平均测序深度，结合GC校正和参照集校正，计算出log2copyratio数值。CBS算法的目标是连接数值相近的区域，识别出拷贝数变异区域。
以单个断点为例，CBS算法在假设两侧数据为正态分布、方差已知的情况下，通过双样本的T检验来确定断点是否具有实际意义。Z检验后，利用蒙特卡洛算法计算P值，评估断点的显著性。
然而，单一断点处理方法无法应对中间存在拷贝数变异的长片段问题。因此，CBS算法需要针对多断点场景进行调整。算法遍历连续区域，比较不同区域间的log2copyratio差异，通过计算Z值来识别变异区域，随后利用蒙特卡洛方法计算P值。
默认数据正态分布的假设下，CBS算法采用蒙特卡洛法计算P值。对于非正态分布数据，算法可扩展至使用排列组合方法计算P值。找到最大Z值的区域后，通过随机排列整段区域数据（如10000次），计算Z值，统计超过最大Z值的次数，得到P值。
当前DNAcopy包中的CBS算法在基础版本上进一步优化了计算速度，特别是P值计算方法。优化后的算法更高效地识别拷贝数变异，提升了分析效率。