染色体外环状DNA（Extrachromosomal circular DNA, eccDNA）作为一种在真核细胞内广泛存在的环状DNA，在肿瘤研究中具有重要意义。在肿瘤细胞中，eccDNA参与癌基因扩增，基因转录调控和肿瘤异质性，从而促进肿瘤发生和发展。因此，对eccDNA的深入研究可以推动我们对肿瘤发病机制的理解，也为靶向药物的开发提供新的方向。
目前，尽管已有多种测序建库方法和生物信息学算法用于eccDNA的鉴定，但其结构复杂性仍然是研究中的难点。eccDNA片段的大小多样且来源于不同基因组区域，使得其准确检测变得尤为困难。
此外，由于缺乏针对eccDNA检测的最佳方法指南，实验和分析结果在不同方法间存在较大差异，这给研究人员选择最适合的分析算法和实验方法带来挑战。现有的评估通常只关注准确性或计算需求等单一因素，并且往往基于过于简化的模拟数据，难以反映真实测序数据的复杂性。各类实验方法在检测eccDNA效率方面的显著差异，更加凸显出系统评估这些方法的重要性。
2024年10月25日，中国科学技术大学生命科学与医学部瞿昆教授课题组在Nature Communications期刊上发表了文章 “Comparative analysis of methodologies for detecting extrachromosomal circular DNA”，系统性评估了7种在测序数据中鉴定eccDNA的分析算法及7种不同实验建库方法的性能和差异。
研究结果表明，Circle-Map和Circle_finder在短读长测序数据中检测eccDNA具有更高的效率。然而，Circle_finder存在一定的局限性，容易生成冗余结果，即在相同eccDNA的鉴定上出现重复。CReSIL在长度长测序数据（特别是测序深度超过10X时）的eccDNA检测中表现最佳。在实验方法方面，Circle-Seq-LR特别适用于检测长度超过10 kb且具有拷贝数扩增的eccDNA (也称ecDNA)，这类eccDNA与肿瘤进展密切相关。
此外，不同实验方法检测到的eccDNA在长度、癌基因组成和基因重复元件的包含等方面展现出显著的异质性。该研究不仅深入分析了各种检测eccDNA的分析算法和实验方法的优势和局限性，还在GitHub上提供了完整的分析流程、代码和模拟数据集，旨在帮助研究人员根据自身数据特点选择最优的分析流程，为进一步提升eccDNA检测方法奠定了参考基础。
图：eccDNA鉴定的分析算法和实验方法系统性比较工作流程
该研究由瞿昆教授、郭闯副教授共同指导并担任通讯作者，课题组博士后高绪远（现中国科学院杭州医学研究所眼科研究中心博士后）、课题组已毕业学生刘柯和博士生罗淞文为本文的共同第一作者。这项工作得到基金委杰出青年基金、面上基金，科技部国家重点研发计划，中科院基础研究青年团队，安徽省科技重大专项等项目的经费支持。