長讀癌症基因體學 · 入門教材 中正大學資工系 · 黃耀廷實驗室 完整術語表

術語表 · Glossary

術語表

共 97 條術語。使用右上角的「繁中／English／雙語」切換定義語言。

5mC 5-甲基胞嘧啶

胞嘧啶第 5 個碳上的甲基化修飾。這是常見的 DNA 甲基化形式，主要見於 CpG；可影響轉錄調控，效應依基因組位置與細胞類型而異。
5-methylcytosine, the commonest DNA methylation mark, usually at CpG sites. Affects expression without changing sequence.

相關模組：甲基化Subclone 重建

另見：CpG、MM/ML tag

allele 等位基因

同一個 locus 上可能出現的其中一種序列版本。在一般二倍體常染色體位點，個體通常有兩份 allele；性染色體、拷貝數變化與腫瘤基因體可能不符合這個簡化模型。

在 VCF 裡 allele 被編號：0 是 reference allele，1 是第一個 alternate allele，以此類推。因此，在一般二倍體位點，genotype 0/1 表示一份 reference allele 與一份 alternate allele；0|1 則進一步標示相位。
One of the alternative sequence versions at a locus. At a typical diploid autosomal locus, an individual has two allele copies; sex chromosomes, copy-number changes and tumour genomes may differ.

相關模組：生物學

另見：genotype、heterozygous、reference genome

allele-specific copy number 等位特異拷貝數

把一個區段的總拷貝數拆成兩個親源等位各自的份數，通常記為 major 與 minor。總拷貝數相同而兩個等位不同的狀態（例如 2+0 與 1+1）在深度上完全一致，只有 B-allele frequency 分得開 —— copy-neutral LOH 即為此類。
The total copy number of a segment split into the counts contributed by each parental allele, usually reported as major and minor. States with equal total but different split (2+0 versus 1+1) are identical in depth and separable only by B-allele frequency; copy-neutral LOH is exactly such a case.

相關模組：局部系譜與 caller 特徵純度與倍體的聯合估計

另見：copy number、B-allele frequency、LOH、haplotype imbalance

aneuploidy 非整倍體

染色體數目異常。腫瘤裡非常普遍，也可能使 cellular purity 與 DNA fraction 不一致。
An abnormal chromosome count. It is common in tumours and can make cellular purity differ from tumour DNA fraction.

相關模組：定序LongPhase-TO

另見：ploidy、tumour purity

B-allele frequency B 等位頻率

別名：BAF

在 germline heterozygous 位點上，兩個等位其中一個所佔的 read 比例。腫瘤樣本中混入的正常細胞在此值上恆為 0.5，該常數即為反推純度所依據的錨。ASCAT 與 PURPLE 皆刻意不做相位，故其標號在各位點之間獨立。
The fraction of reads carrying one of the two alleles at a germline heterozygous site. Contaminating normal cells contribute exactly 0.5, and that constant is the anchor from which purity is recovered. ASCAT and PURPLE deliberately do not phase, so the A/B label is independent per site.

相關模組：純度與倍體的聯合估計

另見：logR、allele-specific copy number、tumour purity、LOH

BAM

別名：SAM、CRAM

已比對到參考基因體的 read 的二進位格式（SAM 的壓縮版）。每一列是一條 read，帶著它的位置、CIGAR、品質與各種 tag。
Binary format for reads aligned to the reference. One record per read, carrying position, CIGAR, quality and tags.

相關模組：資料格式

另見：CIGAR、HP tag、MM/ML tag

basecalling 鹼基判讀

把定序儀的原始訊號（ONT 是電流）轉成 A/C/G/T 字母的步驟。不同 basecaller 版本會產生不同的錯誤特性 —— 所以「同一個細胞株、不同 basecaller」是兩份不同的資料集。
Converting raw sequencer signal into A/C/G/T. Different basecallers yield different error profiles.

相關模組：生物學定序LongPhase-S

另見：ONT、provenance

BFB 斷裂—融合—橋循環

Breakage-fusion-bridge：染色體反覆斷裂與融合造成的劇烈重排，在 coverage 上呈現特殊的階梯形狀。
Breakage-fusion-bridge: repeated chromosome breakage and fusion producing characteristic coverage staircases.

相關模組：LongPhase-TO

另見：copy number、soft clipping

candidate 候選變異

caller 提出、但尚未被確認的變異位點。本實驗室多數工具位於 caller 之後，進行再校正，處理的就是這些 candidates。
A proposed but unconfirmed variant. Most tools in this lab post-process the caller's candidate set.

相關模組：Somatic variant calling

另見：variant calling、recalibration

CIGAR

描述一條 read 如何對上參考基因體的緊湊字串。

常見操作碼：M 消耗一個 read 鹼基與一個參考鹼基，表示對齊欄位，但可能吻合也可能錯配；= 是精確吻合；X 是明確錯配（若流程輸出這兩種操作）；I 表示 read 相對於參考序列的插入；D 表示 read 相對於參考序列的缺失；S 是 soft clip（read 有這段但未對上，序列仍保留）；H 是 hard clip（序列不保留在該 alignment record）；N 跳過參考序列區段。

例：5M1I5M = 5 個對齊欄位、1 個插入、再 5 個對齊欄位。若要判斷 M 中的實際鹼基是否吻合，需查看 read 序列、參考序列或 MD tag，不能只看 CIGAR。

LongPhase-TO 偵測 CNV/BFB 區間就是靠統計 soft clip（S）出現的位置 —— 見 M13。
A compact string describing how read bases and reference positions are consumed by an alignment. For example, 5M1I5M has five alignment columns, one insertion, then five alignment columns; M may contain matches or mismatches.

相關模組：定序資料格式

另見：BAM、soft clipping、indel

cis

兩個 variants 在同一條 haplotype 上。
Two variants on the same haplotype.

相關模組：Phasing

另見：trans、phasing

clone tree 克隆演化樹

描述腫瘤內各群細胞祖先關係的樹：節點是一群帶有相同變異組合的細胞，邊代表在祖先之上又多拿到變異。要注意同一組群集常常有多棵樹同時相容。
A tree describing ancestral relationships among cell populations in a tumour: nodes are groups of cells sharing a mutation set, edges represent additional mutations acquired on top of an ancestor. Multiple trees are often compatible with the same clusters.

相關模組：Subclone 重建5% 能補的三格估計式與落地局部系譜與 caller 特徵

另見：clone、subclone、parsimony、cancer cell fraction

coverage 覆蓋度／深度

別名：depth

某個位置被多少條 read 覆蓋。50× 表示平均每個位置約有 50 條 read 覆蓋，不代表它們均支持同一 allele。
How many reads span a position. 50x means on average 50 reads per position.

相關模組：定序

另見：read、VAF

CpG

序列上一個 C 後接一個 G（p 代表兩者之間的磷酸鍵）。哺乳類多數 5mC 位於 CpG，特定細胞或情況亦可見非 CpG 甲基化。
A cytosine followed by a guanine. Most mammalian 5mC occurs at CpG sites, although non-CpG methylation is also observed in particular cells and contexts.

相關模組：甲基化Subclone 重建

另見：5mC

cross-validation 交叉驗證

輪流保留資料子集作為驗證折，用來估計模型的泛化能力與選擇設定；這些折是 validation，不是最終 test。最終測試集應在模型與設定確定後才使用，並另行保留。
Repeatedly holding out validation folds to estimate generalisation and choose model settings. The folds are validation data, not the final test; an untouched final test set is used only after the model is fixed.

相關模組：評估

另見：data leakage

data leakage 資料洩漏

訓練或模型選擇階段取得了評估資料的資訊，讓效能被高估。實驗室的做法是按染色體切分，確保同一個位點不會同時出現在訓練、驗證與最終測試中。
Evaluation information entering training or model selection and inflating performance. The lab splits by chromosome so a locus cannot appear in training, validation and final test partitions at once.

相關模組：評估局部系譜與 caller 特徵

另見：cross-validation、distribution shift

diploid 二倍體

正常人多數常染色體區段通常有兩份拷貝的狀態；性染色體、拷貝數變化與腫瘤細胞可能不同。
A state in which a typical autosomal locus has two copies. Sex chromosomes, copy-number-altered regions and tumour cells may differ.

相關模組：生物學

另見：ploidy、aneuploidy

distribution shift 分布偏移

測試資料的組成與訓練資料存在顯著差異（例如正負樣本比例不同），使得模型表現不如預期。
Test data differing in composition from training data, so measured performance does not transfer.

相關模組：評估局部系譜與 caller 特徵

另見：data leakage、cross-validation

driver mutation 驅動突變

可提升腫瘤細胞生長或存活優勢的候選變異；passenger mutation 通常不具有已知的選擇優勢。
A mutation that confers a growth advantage, as opposed to the far more numerous passenger mutations.

相關模組：生物學

另見：somatic variant

epiallele 表觀等位型

同一條分子上一組相鄰 CpG 的甲基化組合，例如四個 CpG 的 1101。逐位點的 β 值看不到它 —— 要算 epiallele 的組成，一條 read 至少得跨過 4 個 CpG。
The combination of methylation states across a set of neighbouring CpGs on a single molecule, e.g. 1101 over four CpGs. Per-site beta values cannot resolve it; computing epiallele composition requires reads spanning at least four CpGs.

相關模組：Subclone 重建

另見：5mC、CpG、epimutation、joint distribution

epimutation 表觀突變

細胞分裂時甲基化狀態的隨機翻轉。文獻常引的量級是每個 CpG、每次分裂 10−5 到 10−4，而 DNA 突變約每鹼基 10−9 到 10−10，同量級對比約差五個數量級，所以甲基化是解析度更高的譜系時鐘。要注意這個速率隨位點與量測方式差異很大（有估到 10−3 的），應當成量級而非定值。
A stochastic flip of methylation state during cell division. Commonly cited at 10−5–10−4 per CpG per division versus 10−9–10−10 per base for DNA mutation — roughly five orders of magnitude faster like-for-like — which makes it a higher-resolution lineage clock. Treat it as an order of magnitude, not a constant: estimates vary by site and assay, up to ~10−3.

相關模組：Subclone 重建

另見：5mC、CpG、epiallele

F1

precision 與 recall 的調和平均。當資料裡 FN 遠多於 FP 時，precision 的改善對 F1 的影響有限 —— 見 M10。
The harmonic mean of precision and recall. A precision gain has little effect when false negatives dominate the evaluation.

相關模組：Capstone評估

另見：precision、recall

FASTA

以文字保存 DNA 或 RNA 序列的格式；在本模組中，FASTA 主要用來提供比對所需的參考基因體序列。
A text format for DNA or RNA sequences; here it mainly supplies the reference genome used for alignment.

相關模組：資料格式

另見：reference genome、FASTQ

FASTQ

存放 read 序列與每個鹼基品質分數的文字格式；每筆紀錄由四行組成。
Text format holding read sequences plus per-base quality scores; four lines per record.

相關模組：資料格式

另見：BAM

genotype 基因型

某個 locus 上觀察到的 allele 組合。

對一般二倍體常染色體位點，0/1 表示一份 ref 與一份 alt，但未指定其 haplotype；0|1 則表示已推定相位。性染色體、拷貝數變化與腫瘤基因體可能有不同倍性或更多拷貝，因此不應把「兩份 allele」當成所有情境的規則。
The allele combination observed at a locus. At a typical diploid autosomal locus it has two copies; VCF writes these as 0/1 (unphased) or 0|1 (phased).

相關模組：生物學

另見：allele、phasing、haplotype

germline variant 生殖系變異

在生殖系形成、通常存在於多數細胞的變異；可遺傳給子代，但不代表必然傳遞。
A variant arising in the germline and therefore present in essentially every cell of the individual. It may be inherited or arise de novo, and may be passed to offspring.

相關模組：簡化模型生物學Somatic variant calling

另見：somatic variant、SNP

GHIR 生殖系單倍型失衡比

GHIR 的解讀依賴幾個前提：
· germline VCF 的 phasing 與 HP1／HP2 分群大致正確；
· normal 樣本能代表 germline 基準，且 TINC 不高；
· 納入的 germline 位點沒有被 LOH 或 CNV 顯著影響；
· read 數足夠，mapping 與抽樣不造成明顯 allele bias；
· 迴歸模型的校準資料與目前樣本的來源、basecaller、coverage 等分布相近。

在這些前提下，腫瘤來源 read 被分到 somatic 分支後，GHIR 偏離 0.5 的程度可與 tumor DNA fraction 建立關聯（現行迴歸的標籤就是這個量）；若前提不成立，同樣的偏移也可能來自結構變異、phasing 錯誤或技術偏差，不能單獨當成比例證據。此外，單一位點的 GHIR 無雜訊值 1/(2−p) 的自變數是 cellular purity，與迴歸的標籤 f 不是同一個量。
Interpreting GHIR assumes that germline phasing and HP1/HP2 assignment are reliable, the matched normal represents the germline baseline with limited TINC, selected germline sites are not strongly affected by LOH or CNV, read depth and mapping do not create substantial allele bias, and the regression calibration applies to the sample's source, basecaller and coverage distribution. Under those assumptions, reads diverted to a somatic branch can make the deviation from 0.5 correlate with tumour DNA fraction, which is what the current regression is trained against. Note that the noise-free value at a single locus, 1/(2 - p), is driven by cellular purity, not by the DNA fraction used as the training label. Without them, the same shift may reflect structural variation, phasing error or technical bias and is not purity evidence by itself.

相關模組：LongPhase-SLongPhase-TO失衡的閉式與通道

另見：LongPhase-S、tumour purity

haplotype 單倍型

別名：hap、HP

同一條實體染色體拷貝上，具有一致相位的一組 alleles 或 variants。

兩個 variant 若在同一條 haplotype 上，稱為 cis；分在兩條上則稱為 trans。此差異可能影響生物學解讀或治療決策，需依特定變異與臨床情境判定。

注意：HP1 與 HP2 本身不代表父系或母系。沒有親本或其他方向證據時，它們是局部一致、方向任意的編號。
A set of variants that lie on the same physical chromosome copy and are inherited together.

相關模組：簡化模型生物學Germline variant callingSomatic variant callingSubclone 重建

另見：phasing、cis、trans、PS tag

haplotype imbalance 單倍型失衡

指派至兩條親源單倍型的 read 數不相等。其成因有二：該處兩條單倍型的拷貝數不同，或其中一條的分子被改標至 somatic 子單倍型。兩者在數值上形式相同，僅憑一個失衡值無法區分。
Unequal read counts assigned to the two parental haplotypes. Two mechanisms produce it: unequal allele-specific copy number, or molecules of one haplotype being relabelled to a somatic sub-haplotype. The two are indistinguishable from a single imbalance value.

相關模組：失衡的閉式與通道

另見：GHIR、somatic haplotype、allele-specific copy number、B-allele frequency

heterozygous 異型合子

別名：het

在一般二倍體位點上，兩份 allele 不同（例如一份 A、一份 G）。此類位點可作為區分 haplotype 的資訊錨點；複雜拷貝數情況需另行解讀。
At a typical diploid locus, carrying two different allele copies (for example A and G). These sites can anchor phasing; copy-number changes require separate interpretation.

相關模組：生物學PhasingLongPhase-TO

另見：homozygous、phasing

high-confidence region

benchmark 建立者指定的高可信度區間，通常以 BED 檔表示；區間外不宜視為具有相同標註可靠度。
Intervals that benchmark authors consider reliable, usually supplied as a BED file. Results outside those intervals should not be assumed to have the same label reliability.

相關模組：評估局部系譜與 caller 特徵

另見：truth set

homopolymer 同聚物

同一個鹼基連續重複的區段，例如 AAAAAA。nanopore 在此類區段較容易發生長度判讀錯誤，是 indel 假陽性的常見來源之一。
A run of identical bases. Nanopore miscounts their length, a major source of false indel calls.

相關模組：定序估計式與落地

另見：indel

homozygous 同型合子

別名：hom

在一般二倍體位點上，兩份 allele 相同。此位點本身通常無法用來區分兩條 haplotype。
At a typical diploid locus, carrying two identical allele copies. The site itself usually cannot distinguish haplotypes.

相關模組：生物學

另見：heterozygous

identifiability 可辨識性

資料在原則上能否區分兩組不同的參數值。若兩組參數對任何可能的觀測給出相同的機率，則兩者不可辨識，增加深度、變異數目或更換工具皆無作用 —— 須改變的是可行域，例如加入外部約束或錨。此性質與精度不同：精度指可區分之後量得準不準。
Whether the data can in principle distinguish two parameter values. If both assign the same probability to every possible observation they are unidentifiable, and more depth, more variants or a different tool cannot help; only changing the feasible set — an external constraint or anchor — can. This differs from precision, which concerns accuracy once two states are already distinguishable.

相關模組：純度與倍體的聯合估計

另見：whole-genome doubling、tumour purity、ploidy

indel 插入／缺失

短的插入（insertion）或缺失（deletion）。在 nanopore 資料上通常比 SNV 更難可靠判讀，因為 homopolymer 與 alignment 位置漂移都可能製造假訊號。
A short insertion or deletion. It is often harder to call reliably than an SNV in nanopore data because of homopolymers and alignment ambiguity.

相關模組：定序

另見：homopolymer、CIGAR

intratumour heterogeneity 腫瘤內異質性

同一腫瘤內不同細胞可帶有不同突變組合，因而同時存在多種基因型。
Different cells within one tumour carrying different mutation combinations.

相關模組：生物學

另見：clone、subclone

joint distribution 聯合分布

多個變數一起看的分布，也就是「哪些組合各出現多少」。演化樹的形狀取決於聯合分布，而不是邊際分布；長讀的價值在於一條分子上的組合是直接觀測到的。
A distribution over several variables jointly, i.e. how often each combination occurs. Tree topology depends on the joint distribution, not the marginals; the value of long reads is that combinations on one molecule are observed directly.

相關模組：Subclone 重建

另見：marginal distribution、long read、clone tree

label noise 標籤雜訊

訓練或評估標籤與真實狀態不一致的情況。在 homopolymer 與重複區域可能較常見；特徵相近的位點也可能得到相反標籤。
Errors in the labels themselves. They can be more frequent in homopolymers and repeats, where near-identical sites may receive different labels.

相關模組：評估

另見：truth set、homopolymer

latent node 潛在節點

建樹時為了讓圖連得起來而補進的中間狀態，沒有被任何 read 直接觀測到。它是模型的產物，不能當成「還沒觀察到的細胞」。
An intermediate state added during tree construction to keep the graph connected, not directly observed in any read. It is a product of the model and must not be read as an unobserved cell population.

相關模組：Subclone 重建估計式與落地局部系譜與 caller 特徵

另見：clone tree、parsimony、provenance

locus 位點

基因體上的一個特定位置。講「這個 locus」時通常指某個座標，例如 chr1:162,404,043。
A specific position in the genome, usually given as a chromosome and coordinate.

相關模組：生物學

另見：allele、reference genome

logR 深度比對數

別名：log R ratio、LRR

同一位點上腫瘤與正常樣本的 read 深度比取以 2 為底的對數。ASCAT 再以全基因體比值的平均重新置中，因此 0 並不代表兩份拷貝 —— 倍體須由擬合結果另行推算。單獨的 logR 只能決定拷貝數輪廓至一個仿射變換。
The base-2 logarithm of the tumour-to-normal read-depth ratio at a locus, re-centred on the genome-wide mean ratio. Zero therefore does not mean two copies; ploidy has to be recomputed from the fitted profile. logR alone determines the copy-number profile only up to an affine map.

相關模組：純度與倍體的聯合估計

另見：B-allele frequency、copy number、ploidy

LOH 異型合子性喪失

原本 heterozygous 的區域只保留一種 allele。

兩種常見機制：
· Copy-loss LOH：一條 haplotype 遺失，使該處 copy number 由 2 變 1。
· Copy-neutral LOH：一條 haplotype 遺失後，另一條被複製，使 copy number 仍為 2；僅依 coverage 通常難以辨識。

LongPhase-TO 的設計以 heterozygosity ratio 偵測兩類 LOH，但實際能力仍取決於資料品質與參數。LOH 也可能減少 phasing 錨點、改變 VAF，並在 M13 形成 low-confidence triplet。
Loss of heterozygosity: a formerly het region retains only one allele. Not necessarily a deletion.

相關模組：Capstone生物學Germline variant callingPhasing腫瘤混合體LongPhaseLongPhase-SLongPhase-TOSubclone 重建局部系譜與 caller 特徵純度與倍體的聯合估計

另見：copy number、phasing、heterozygous

long read 長讀

單條可達數千至數萬鹼基的定序片段（例如 ONT、PacBio）。若可靠地同時覆蓋多個 variant，可提供它們位於同一 DNA 分子上的直接觀測證據。
A sequencing read thousands to tens of thousands of bases long. Its length lets one molecule link multiple variants directly.

相關模組：定序LongPhase-TOSubclone 重建

另見：ONT、phasing、read

LongPhase-S

配對 tumor–normal 版本。做腫瘤 DNA 比例估計（輸出欄位名為 purity）、比例感知的 somatic variant 過濾，以及 somatic haplotagging。
The matched tumour–normal version: tumour DNA fraction estimation (the output field is named purity), fraction-aware somatic filtering, and somatic haplotagging.

相關模組：LongPhase-S局部系譜與 caller 特徵

另見：LongPhase、somatic haplotagging、GHIR、tumour DNA fraction

LongPhase-TO

tumor-only 版本。做染色體等級的 LOH 偵測、triplet graph 再校正、somatic phasing 與腫瘤 DNA 比例估計。
The tumour-only version: chromosome-scale LOH detection, triplet-graph recalibration, somatic phasing and purity estimation.

相關模組：LongPhase-TO

另見：LongPhase、LOH、triplet graph

marginal distribution 邊際分布

只描述單一變數的分布。VAF 與甲基化 β 值都是邊際統計：它們各自只講一個位點有多少比例帶有標記，不講兩個位點在同一個分子或同一個細胞上的搭配情形。
A distribution over a single variable. VAF and methylation beta values are both marginal statistics: each describes one site in isolation and says nothing about how two sites co-occur on the same molecule or cell.

相關模組：Subclone 重建

另見：joint distribution、VAF、mutation frequency spectrum

MM/ML tag

BAM 中儲存每條 read 甲基化判讀的兩個 tag：MM 記錄位置、ML 記錄機率。在轉換或重新比對流程中可能遺失，需確認 tags 是否保留。
BAM tags carrying per-read methylation calls: MM for positions, ML for probabilities. Easily lost during processing.

相關模組：資料格式甲基化

另見：5mC、BAM

mutation frequency spectrum 突變頻率譜

把一份樣本裡所有 somatic 變異的 VAF 畫成直方圖後得到的分布。分布上的峰與肩對應不同大小的細胞群，最低頻端的尾巴斜率則被用來判斷有沒有天擇。
The distribution obtained by histogramming the VAFs of all somatic variants in a sample. Peaks and shoulders correspond to cell populations of different sizes; the slope of the low-frequency tail is used to test for selection.

相關模組：Subclone 重建局部系譜與 caller 特徵

另見：VAF、cancer cell fraction、subclone、marginal distribution

ONT 奈米孔定序

Oxford Nanopore Technologies。以電流訊號讀取 DNA，可產生長 read；在 native-DNA 流程與適當模型下，可由訊號推定 5mC，通常不需 bisulfite 轉換。
Oxford Nanopore Technologies. Reads DNA through ionic-current signals, producing long reads. With native DNA and a suitable model, 5mC can be inferred without bisulfite conversion.

相關模組：定序甲基化

另見：long read、5mC、basecalling

parsimony 簡約法

在所有與資料相容的解裡，選步數（或成本）最少的那一個。它是一個偏好而不是證據 —— 當多個解並列時，簡約法決定選哪一個，但資料本身沒有排除其他解。
Choosing, among all solutions compatible with the data, the one requiring the fewest steps or lowest cost. It is a preference rather than evidence: when several solutions tie, parsimony picks one, but the data has not ruled the others out.

相關模組：Subclone 重建5% 能補的三格

另見：clone tree、latent node、joint distribution

phasing 定相

為可判定的 variants 建立其位於不同實體染色體拷貝上的相位關係；VCF 常以 0|1 等形式表示。長 read 可提供跨位點的分子層級觀測證據。
Determining which variants lie on the same physical chromosome, turning 0/1 into 0|1. Long reads provide direct molecular evidence.

相關模組：生物學Germline variant callingPhasingLongPhase-S

另見：haplotype、PS tag、haplotagging、cis

pigeonhole 鴿籠原理

由父代與子代的細胞比例限制樹形的算術規則：一個細胞至多屬於父節點底下的一個子節點，所以各子節點的細胞比例加起來不得超過父節點。名稱來自鴿籠原理 —— 東西放進籠子，總量不會憑空變多。在 subclone 重建的文獻中也稱為 sum rule 或 crossing rule。它只能排除樹，不能挑出樹：通過檢查的候選通常仍不只一棵，其餘要靠 parsimony 之類的偏好決定。
The arithmetic constraint that limits tree shape from parent and child cell fractions: a cell belongs to at most one child of a given parent, so the children's cell fractions cannot sum to more than the parent's. The name comes from the pigeonhole principle. Also called the sum rule or crossing rule in the subclonal reconstruction literature. It can only rule trees out, never select one: the surviving candidates are usually more than one, and the choice among them falls to a preference such as parsimony.

相關模組：5% 能補的三格估計式與落地局部系譜與 caller 特徵

另見：clone tree、parsimony、cancer cell fraction

PON 正常樣本面板／族群資料庫（依流程而異）

別名：Panel of Normals、PoN

同一縮寫的兩種用法：
· 本教材在 LongPhase-TO、ClairS-TO 情境中特別稱為 population germline database set：1000G、CoLoRSdb、dbSNP、gnomAD 等族群資料庫的聯集，用於標記族群中常見的遺傳變異。
· GATK Mutect2 的 Panel of Normals（PoN）：由多個正常樣本建立的 recurrent-artifact panel，用於辨識反覆出現的技術性訊號。

兩者均可能漏掉某個病人的私有 germline 變異或尚未見過的 artifact，因此都不能取代同一病人的 matched normal。matched normal 提供的是個體層級的直接對照；PON 只能提供族群背景或跨樣本的技術性背景。
The abbreviation is workflow-dependent and the two uses are not interchangeable. In this tutorial's tumour-only workflows, PON denotes a population germline database set; in GATK Mutect2, a Panel of Normals (PoN) is built from multiple normal samples to flag recurrent technical artifacts. Either can miss a private germline variant or an unseen artifact, so neither replaces a patient's matched normal.

相關模組：CapstoneSomatic variant callingLongPhase-TO

另見：tumour-only、germline variant

precision 精確率

所有 calls 中實際為真陽性的比例：TP / (TP + FP)。後處理常以提升此指標為目標。
Of the calls you made, the fraction that are correct: TP / (TP + FP).

相關模組：Capstone評估

另見：recall、F1

provenance 資料來源履歷

記錄資料來源、細胞株、定序平台、basecaller、reference build、caller、benchmark 與混樣方式。在本實驗室中，這些資訊是重要實驗變數，而非附註。
The full origin record of a dataset. In this lab it is a first-class experimental variable, not metadata.

相關模組：生物學定序Germline variant calling

另見：basecalling、truth set

PS tag phase set

別名：PS、phase set

標示某群 variants 屬於同一 phase block 的編號。同一 PS 內的相位方向可相互比較；不同 PS 的 HP1/HP2 方向彼此獨立。
Phase set identifier grouping variants phased together. Haplotype orientation is only consistent within one PS.

相關模組：生物學資料格式PhasingLongPhase

另見：phasing、haplotype

read

定序儀產生的一段序列觀測。一條 read 通常來自一個 DNA 分子的片段，但不等同於一個細胞；仍需考慮重複、嵌合與定序錯誤。
A sequence observation produced by the sequencer, usually a fragment from one DNA molecule. A read is molecular evidence, not a cell; duplicates, chimeras and sequencing errors still need to be considered.

相關模組：簡化模型

另見：long read、coverage

read-AF read 層級的 ALT 比例

在同一個分析區域、同一個單倍型家族的 read 之中，某個 somatic 位點帶 ALT 的比例。分母已限縮到同一條 haplotype 的同一段區域，所以不必經過純度與拷貝數換算；用途是在步數並列的候選樹之間排序。
The fraction of reads carrying the ALT allele at a somatic site, computed within one analysis window and one haplotype family. Because the denominator is already restricted, no purity or copy-number correction is needed; it is used to rank candidate trees of equal cost.

相關模組：Subclone 重建估計式與落地

另見：VAF、somatic haplotype、clone tree

recalibration 再校正

以額外證據重新評估 caller 已輸出的 candidates。若僅處理既有候選，可移除 false positives，但不能恢復 caller 未輸出的變異。
Re-judging a caller's candidates with extra evidence. When the candidate set is fixed, it can remove false positives but cannot recover variants the caller never emitted.

相關模組：LongPhase-TO

另見：candidate、precision、recall

recall 召回率

別名：sensitivity

在指定評估範圍內，所有真陽性中被找出的比例：TP / (TP + FN)。若只對固定的 caller 候選集做後處理，recall 只能維持或下降，不能恢復 caller 從未輸出的真陽性；報告時應說清楚這個候選集範圍。
Within a stated evaluation scope, the fraction of true positives that were found: TP / (TP + FN). With a fixed caller candidate set, post-filtering can preserve or lower recall but cannot recover variants the caller never emitted; report the candidate-set scope explicitly.

相關模組：Capstone定序評估LongPhase-S

另見：precision、F1、recalibration

reference genome 參考基因體

用於比對的標準序列（人類資料常用 GRCh38）。所有座標均相對於指定版本；更換 build 會改變座標系，座標不可直接比較。
The standard sequence everything is aligned to. All coordinates are relative to it, so changing build changes coordinates.

相關模組：定序資料格式

另見：locus、BAM

SNP 單核苷酸多型性

族群中以多型形式存在的單一鹼基差異；本教材主要以可作為 phasing 錨點的 germline SNP 為例。
A single-nucleotide polymorphism observed as a population variant. This tutorial mainly uses germline SNPs as phasing anchors.

相關模組：簡化模型生物學

另見：SNV、germline variant

SNV 單核苷酸變異

別名：sSNV

單一鹼基的改變。與 SNP 的差別在於 SNV 不預設它在族群中常見 —— 腫瘤裡新產生的單點突變叫 somatic SNV（sSNV），不叫 SNP。
A single-nucleotide change. Unlike SNP, it carries no implication of population frequency; new tumour mutations are sSNVs.

相關模組：生物學

另見：SNP、somatic variant、indel

soft clipping

read 端部未與參考序列對齊，但序列仍保留在 BAM 中（CIGAR 為 S）。大量 clipping 集中於同一位置時，可能提示結構變異斷點，仍需其他證據確認。
A read end that failed to align but is retained in the BAM (CIGAR S). Clipping clustered at one position may suggest a structural breakpoint and needs corroborating evidence.

相關模組：資料格式LongPhase-TO

另見：CIGAR、BFB

somatic haplotagging

把帶有 somatic 突變的 read 指派到它們源自的 germline haplotype。這是 LongPhase-S 的核心產出。
Assigning somatic-mutation-bearing reads to the germline haplotype they arose from. The core output of LongPhase-S.

相關模組：LongPhase-S

另見：somatic haplotype、LongPhase-S

somatic haplotype

在 germline haplotype 之下再細分出來的層級。某條 HP1 的 read 若帶有 somatic 突變，就屬於 HP1-1；HP2 的則是 HP2-1。無法判定來源的歸為 HP3。
A sub-level beneath the germline haplotype: HP1-1 and HP2-1 carry somatic mutations derived from HP1 and HP2; HP3 is unassignable.

相關模組：資料格式

另見：haplotype、somatic haplotagging、HP tag

somatic variant 體細胞變異

別名：sSNV、somatic mutation

在非生殖系細胞譜系中、通常於受精後取得的變異；可只存在於部分細胞，通常不由親代遺傳給子代。癌症基因體學常分析此類變異。
A variant acquired outside the germline, usually after conception. It may be restricted to a subset of cells and is generally not passed to offspring; it is a central focus of cancer genomics.

相關模組：簡化模型生物學Somatic variant callingSubclone 重建

另見：germline variant、clone

switch error

phasing 結果自某一位置起將兩條 haplotype 的方向對調，是常見的 phasing 錯誤類型。
A phasing error in which the two haplotype labels swap from some point onward; a common phasing error mode.

相關模組：PhasingLongPhase

另見：phasing、phase block

TINC 腫瘤污染正常樣本

Tumour-in-normal contamination：配對正常樣本含有腫瘤來源訊號，使 genuine somatic 變異也可能在 normal 中被觀察到，因而可能被錯誤過濾。
Tumour-in-normal contamination: tumour cells present in the matched normal, causing true somatic variants to produce signal there as well.

相關模組：Somatic variant callingLongPhase-S聯合估計式的規格

另見：tumour-normal、somatic variant

trans

兩個 variants 分別在兩條不同的 haplotype 上。
Two variants on opposite haplotypes.

相關模組：Phasing

另見：cis、phasing

triplet graph

LongPhase-TO 判斷候選變異真假時用的最小結構：候選位置加上左右各一個變異，共三個位置。把 read 上看到的 allele 組合畫成路徑後，真的 somatic 變異會形成一條「跟某一條 germline haplotype 只差候選這一格」的新路徑；定序錯誤則湊不出一致的路徑。因為左右兩側都要對得上，所以三個位置是最小單位。
LongPhase-TO's minimal unit for judging a candidate: the candidate plus one flanking variant on each side. A true somatic allele forms a third path differing from one parental haplotype at the candidate alone; artifacts show no consistent path.

相關模組：CapstoneSomatic variant callingLongPhase-TO

另見：LongPhase-TO、somatic variant

truth set 標準答案集

別名：benchmark

評估用的參考標註。可靠度依資料來源與建立方法而異，困難區域可能包含標註錯誤。
The reference labels used for evaluation. A truth set is not infallible truth: reliability varies, and hard regions can contain label errors.

相關模組：評估

另見：high-confidence region、label noise

tumour DNA fraction 腫瘤 DNA 比例

別名：DNA fraction

樣本 DNA 中源自腫瘤的比例，分母是分子而非細胞。

凡是依 read 數混合而得的合成樣本，其已知的比例就是這個量；凡是以「支持 read 大概會有幾條」為用途的下游步驟（過濾門檻、偵測極限），需要的也是這個量。

LongPhase-S 的 estimate_purity 輸出的是這個量，儘管子指令、參數 --tumor-purity 與輸出欄位 Tumor purity: 都寫 purity。理由是它的迴歸標籤是混合比例，且模型中沒有倍體參數，因此無從換算成細胞比例。
The fraction of DNA originating from tumour cells; diverges from cellular purity under aneuploidy or WGD.

相關模組：定序LongPhase-SLongPhase-TO純度與倍體的聯合估計失衡的閉式與通道

另見：tumour purity、ploidy

tumour purity 腫瘤純度

別名：purity

樣本中腫瘤細胞所佔的比例。

注意它跟 tumor DNA fraction（腫瘤來源 DNA 的比例）不是同一件事：一個腫瘤細胞若含有比正常細胞多的 DNA（aneuploidy 或 whole-genome duplication），它在分子層貢獻的份量就大於它在細胞層佔的份量，兩個數字因此分開。換算式為 f=pκ/(pκ+2(1−p))，只有倍體 κ=2 時兩者相等。

常見的誤解是「用 BAM 依覆蓋度混出來的合成樣本裡兩者恰好相等」。不成立：混合控制的是 read 數，也就是 f；來源腫瘤細胞株若非二倍體，同一份樣本的細胞比例低於標示值。以標示 0.2、來源 κ=3.2 為例，p 只有 0.135。
The fraction of cells in a sample that are tumour cells. Low purity dilutes somatic signal.

相關模組：Capstone定序腫瘤混合體LongPhase-SSubclone 重建估計式與落地純度與倍體的聯合估計失衡的閉式與通道

另見：tumour DNA fraction、VAF、ploidy

tumour-normal 配對腫瘤／正常

別名：TN、matched normal

同時定序病人的腫瘤與正常組織；正常樣本提供個體 germline 背景，有助於辨識 somatic 候選。
Sequencing a patient's tumour alongside their normal tissue, which supplies the germline background.

相關模組：Somatic variant calling

另見：tumour-only、TINC

tumour-only 僅腫瘤

別名：TO

只有腫瘤樣本、沒有配對正常樣本。在成本或檢體受限時很常見，但少了 germline 對照，分析難度會大幅提高。
Having only the tumour sample. Common for cost or specimen reasons, but much harder without a germline baseline.

相關模組：Somatic variant calling

另見：tumour-normal、PON

VAF 變異等位基因頻率

別名：allele fraction

在某個位點上，支持 alt allele 的 read 佔全部 read 的比例。

最常見的誤解是把 VAF 當成「有多少比例的細胞帶這個突變」。實際上還受到 tumor purity、該位置的 local copy number、mutation multiplicity 與 mapping bias 影響。理想的 diploid、單一拷貝突變情況下：
VAF=purity×multiplicity/total copy number
所以 purity 0.4、diploid、單拷貝時 VAF 只有 0.2。
Variant Allele Frequency: the fraction of reads supporting the alternate allele. Not the same as the fraction of cells carrying it.

相關模組：簡化模型生物學定序腫瘤混合體LongPhase-SSubclone 重建純度與倍體的聯合估計

另見：tumour purity、copy number、mutation multiplicity、cancer cell fraction

variant calling

從已比對 read 中判斷哪些位置具有足夠證據支持變異存在的過程，通常輸出 VCF。
Deciding which positions genuinely carry variants, given aligned reads. Outputs a VCF.

相關模組：Germline variant calling

另見：VCF、candidate

VCF

存放 variant 的文字格式。每一列是一個位點，記錄位置、ref/alt allele、品質、FILTER 與各種 FORMAT 欄位。
Text format for variants: one line per site with position, ref/alt alleles, quality, FILTER and FORMAT fields.

相關模組：資料格式

另見：genotype、PS tag

whole-genome doubling 全基因體加倍

別名：WGD

腫瘤演化過程中整套基因體複製一次的事件，使各處拷貝數同時加倍。其重要後果是可辨識性：若加倍後所有等位特異拷貝數皆為偶數，則該解與未加倍的解對深度與等位比例給出完全相同的觀測；純度為 1 時兩者逐點相同。
An event doubling the entire tumour genome, multiplying every copy number by two. Its consequence is identifiability: if all allele-specific copy numbers are even afterwards, the doubled solution reproduces the observed depth and allele ratios exactly, and at purity one the two models are pointwise identical.

相關模組：純度與倍體的聯合估計

另見：ploidy、aneuploidy、identifiability、allele-specific copy number

單倍型家族 一條 germline 單倍型，加上由它衍生的 somatic 單倍型

把 read 依 HP tag 分成的兩組之一。家族一是 HP1 與從它長出來的 HP1-1，家族二是 HP2 與 HP2-1；歸不到任何一條 germline 單倍型的 HP3 不屬於任何一族。叫「家族」是因為它把一條 germline 單倍型與由它衍生的 somatic 單倍型收在同一組裡 —— 分組看的是 germline 那一層，不是有沒有帶 somatic 突變。

在同一個 phase block 內，一個家族對應一條染色體拷貝，所以「兩族」就是那個位置上的兩條同源染色體。但兩件事不成立：其一，軟體判定不出哪一族來自父親、哪一族來自母親（那需要另外定序父母）；其二，標號只在該 phase block 內有定義，跨 block 的「家族一」並非同一條染色體。
One of the two groups reads are split into by HP tag. Family 1 is HP1 plus the somatic haplotype HP1-1 derived from it; family 2 is HP2 plus HP2-1; HP3, which cannot be assigned to either germline haplotype, belongs to neither. It is called a family because it groups a germline haplotype together with the somatic haplotypes descended from it — the split is by the germline layer, not by whether a read carries a somatic mutation. Within one phase block a family corresponds to one chromosome copy, so the two families are the two homologous chromosomes at that locus. Two things do not follow: which family is paternal cannot be determined without sequencing the parents, and the labels are defined only within that phase block.

相關模組：Subclone 重建5% 能補的三格估計式與落地局部系譜與 caller 特徵

另見：somatic haplotype、單倍型連鎖區段、phase block、HP tag

單倍型連鎖區段

一個連鎖視窗再限定到一條單倍型家族 —— 也就是「一個連鎖視窗、一條染色體拷貝」。這是局部共現分析的最小單位：其中的 read 全部來自同一條染色體拷貝，另一條拷貝屬於另一個連鎖區段。因此一個連鎖視窗至多切出兩個連鎖區段，連鎖區段數大於連鎖視窗數，兩者不可混用為同一個分母。單倍型標號只在該區段內有定義，跨區段的同名標號並非同一條染色體。
A linkage window restricted to one haplotype family — one window, one chromosome copy. It is the smallest unit of local co-occurrence analysis: all its reads come from the same chromosome copy, the other copy forming a separate segment. One window yields at most two segments, so segments outnumber windows and the two must not share a denominator. Haplotype labels are defined only within a segment.

相關模組：Subclone 重建

另見：連鎖視窗、phase block、somatic haplotype

連鎖視窗

同一個 phase block 之內，由 read 連鎖的傳遞閉包所界定的一段：凡有某條 read 同時覆蓋至少兩個 somatic 位點，該段即成一個視窗；另一條 read 疊到已連鎖的位點又碰到新位點時，兩段合併成更長的視窗。不是固定寬度，也不跨 phase block。早期估算比例時所用的「20 kb 視窗」是固定寬度的近似，兩者的計數不可互換。
Within a single phase block, the span defined by the transitive closure of read linkage: any read covering at least two somatic sites opens a window, and overlapping reads merge windows. It is not a fixed width and never crosses a phase block. The fixed-width 20 kb window used in early proportion estimates is an approximation; the two counts are not interchangeable.

相關模組：Subclone 重建

另見：phase block、單倍型連鎖區段