MAPLE: Methylation Anchor Probe for Low-signal Enrichment

---

English | 简体中文

介绍

MAPLE（Methylation-Anchor Probe for Low-signal Enrichment）是一项旨在提高低频、疾病特异性甲基化单倍型检测效率的技术。传统的杂交捕获方法依赖长而无偏的探针，需要极高的测序深度，并且大多数测序读长信息量有限。MAPLE 使用经过理性设计的超灵敏短探针，有选择性地富集这些稀有甲基化单倍型，实现更高的检测灵敏度，同时显著降低测序成本。

项目概览

MAPLE 包含四个主要模块：

1. MAPLE 探针设计

MAPLE 探针设计模块生成高度特异的甲基化靶向探针，用于后续富集和测序。它保证了 序列特异性 和 热力学稳定性。

主要步骤：

• 生成单倍型序列和 DNA 链 (MAPLE_sequence_generator.py)
  构建目标区域所有可能的单倍型序列及其对应 DNA 链。
• 评估热力学性质并进行质控 (MAPLE_probe_thermodynamics.py)
  根据熔解温度、GC 含量和二级结构过滤探针，确保最佳杂交效率。
• 使用 BLASTN 检测非特异性结合 (MAPLE_parallel_blastn.py)
  对基因组潜在非特异性位点进行检查，以减少非特异性结合。
• 选择每个单倍型的最佳探针 (MAPLE_select_best_probe.py)
  为每个单倍型选择特异性、覆盖率和热力学效率最优的探针。

输入:

• 靶基因组坐标（起止位置）
• 靶区甲基化单倍型状态

输出:

• 优化特异性和热力学稳定性的合格探针序列

2. MAPLE TAS 数据处理与单倍型识别

该模块处理靶向 NGS 测序数据，以量化探针性能并识别单倍型特异性甲基化模式。

主要步骤：

• 完整 NGS 流程 (MAPLE_NGS.sh)
  包括序列修剪、参考基因组比对、探针评估和质控。
• 计算靶向和单倍型片段数 (haplo_fraction.sh)
  计算每个探针和单倍型捕获片段的数量，以评估富集效率。
• 计算单倍型频率比例 (MAPLE_cal_haplo_fraction.py)
  确定每个单倍型的相对丰度，为下游分类和富集因子建模提供输入。

输入:

• 来自 MAPLE 捕获测序的双端 FASTQ 文件

输出:

• 每个靶点的单倍型片段计数
• 下游分析所需的单倍型比例矩阵

3. 富集因子模型（EFM）

富集因子模型用于量化 探针富集效率，评估甲基化特异性探针相对于背景噪声捕获目标位点的效果。

主要特点：

• 计算每个探针的靶向覆盖率
• 计算单倍型特异性富集指标
• 支持质控，识别低效探针
• 输出数值化富集评分以优化探针

输入:

• MAPLE-Stitch 拼接片段的 BED 文件
• 参考单倍型甲基化模式定义

输出:

• 每个探针的富集因子
• 靶向覆盖率和单倍型特异性汇总统计
• 质控和下游分析的中间文件

4. Boost-Tree 分类器

Boost-Tree 分类器使用 梯度提升树（LightGBM），根据富集的甲基化单倍型预测癌症或非癌症状态，结合探针富集评分和单倍型模式作为特征。

主要特点：

• 贝叶斯优化超参数，实现指定特异性下的最大灵敏度
• 支持分层或随机交叉验证，确保性能稳健
• 输出每个样本预测概率及最优决策阈值
• 输出训练/验证/测试集的灵敏度、特异性和 ROC-AUC 指标

输入:

• EFM 模块生成的探针富集评分
• 样本元数据（如标签、分层特征）

输出:

• 训练好的 LightGBM 模型及优化超参数
• 训练/验证/测试集预测概率及二进制标签
• 性能评估指标（灵敏度、特异性、AUC）

安装

本项目使用 Python 实现，要求 Python 3.8 或更高版本。您可以通过克隆仓库或下载 ZIP 包来安装项目。

依赖

MAPLE 探针设计 Python 包与工具

• pandas – 数据处理与表格操作
• numpy – 数值计算
• BioPython – 序列处理、熔解温度计算、BLASTN 接口
  • Bio.SeqUtils.MeltingTemp
  • Bio.Blast.Applications.NcbiblastnCommandline
• primer3 – 寡核苷酸热力学计算
• pyfaidx – FASTA 文件快速访问

NGS 处理工具

• Bismark – 亚硫酸盐测序比对
• fastp – FASTQ 预处理与质控
• samtools – BAM/SAM 文件处理与索引
• MAPLE_stitch – 内部二进制工具，用于拼接双端读段

EFM 包与工具

• pandas – 数据处理与表格操作
• numpy – 数值计算
• matplotlib – 可视化与绘图
  • matplotlib.backends.backend_pdf.PdfPages – 多页 PDF 输出
• scipy – 优化与统计函数
  • optimize – 曲线拟合
  • stats.linregress – 线性回归
• scikit-learn – 模型评估工具
  • metrics.r2_score – 计算拟合 R²

癌症/非癌症分类器包与工具

• pandas – 数据处理与表格操作
• numpy – 数值计算
• scikit-learn – 机器学习工具
  • metrics – 性能指标（ROC-AUC、混淆矩阵）
  • model_selection – 训练/测试集划分、交叉验证
• lightgbm – 梯度提升分类器
• bayes_opt – 贝叶斯优化超参数
• joblib – 模型保存与加载

注意: 建议使用 Python ≥3.8 环境，并通过 pip 或 conda 安装依赖。

引用

MAPLE enables ultra-sensitive detection of low-frequency cfDNA methylation haplotypes using short capture probes with cost-efficient performance. https://doi.org/10.1101/gr.280736.125

许可

本项目采用 GPL-3.0-or-later 许可证 - 详情见 LICENSE 文件。