感謝您訪問 nature.com。您使用的瀏覽器版本對 CSS 的支援有限。為了獲得最佳體驗，我們建議您使用更新的瀏覽器（或在 Internet Explorer 中關閉相容模式）。同時，為了確保持續支援，我們將在沒有樣式和 JavaScript 的情況下顯示網站。
Nature 第 656 卷，E32–E38 頁 (2026) 引用本文
原文發表於 2026 年 8 月 19 日
回覆：C. A. Lareau 等人。Nature https://doi.org/10.1038/s41586-026-10777-0 (2026)。
在隨附的評論中，Lareau 等人 1 對我們使用單細胞調控多組學（轉錄體學和染色質可及性）結合深度粒線體突變定序（ReDeeM）工作流程 2 所產生數據進行譜系追蹤的下游分析方法提出了兩項擔憂：(1) ReDeeM 框架中的變異定序工作流程識別出每細胞僅偵測到一個分子的突變——被視為「低支援度」；以及 (2) 在粒線體DNA（mtDNA）分子邊緣過度發現的這些變異可能是偽影，導致低平均值和高連接性（LMHC）突變，並扭曲譜系推斷。然而，我們不同意這些解釋。在此，我們提出多項證據來解決這些擔憂，強化我們核心結論的穩健性，並討論粒線體譜系追蹤的限制與未來方向。
存取 Nature 及 54 種其他 Nature Portfolio 期刊
接收 52 期紙本期刊及線上存取
價格可能受當地稅率影響，結帳時會計算
本研究使用了先前發表的 ReDeeM 造血作用數據集（GEO 登錄號 GSE219015）。
Lareau, C. A., Chapman, M. S., Penter, L., Nawy, T. & Pe’er, D. 論文：單細胞粒線體DNA分析中的偽影誤導了親緣關係推斷。Nature https://doi.org/10.1038/s41586-026-10777-0 (2026)。
Weng, C. 等人。解讀人類造血作用的細胞狀態與譜系。Nature 627, 389–398 (2024)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Salk, J. J., Schmitt, M. W. & Loeb, L. A. 增強下一代定序偵測稀有和次群突變的準確性。Nat. Rev. Genet. 19, 269–285 (2018)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Bae, J. H. 等人。使用 CODEC 的單雙鏈DNA定序以高靈敏度偵測突變。Nat. Genet. 55, 871–879 (2023)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Schmitt, M. W. 等人。下一代定序偵測超稀有突變。Proc. Natl Acad. Sci. USA 109, 14508–14513 (2012)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Weng, C., Weissman, J. S. & Sankaran, V. G. 使用深度粒線體突變定序進行單細胞調控多組學的穩健性與可靠性。預印本於 bioRxiv https://doi.org/10.1101/2024.08.23.609473 (2024)。
Rausser, S. 等人。純化人類免疫細胞亞型和細胞混合物中的粒線體表型。eLife 10, e70899 (2021)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Ju, Y. S. 等人。人類癌症中體細胞粒線體DNA突變的起源和功能後果。eLife 3, e02935 (2014)。
文章 PubMed PubMed Central Google 學術搜尋
Weng, C. 等人。解讀人類造血作用的細胞狀態與譜系。Nature 627, 389–398 (2024)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Mitchell, E. 等人。人類生命週期造血作用的群體動力學。Nature 606, 343–350 (2022)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Wang, X. 等人。群體擴張決定了單細胞中粒線體譜系追蹤的功效。Genome Biol. 26, 70 (2025)。
文章 PubMed PubMed Central Google 學術搜尋
An, J. 等人。正常人類體細胞中的粒線體DNA鑲嵌現象。Nat. Genet. 56, 1665–1677 (2024)。
文章 CAS PubMed PubMed Central Google 學術搜尋
Árnadóttir, E. R. 等人。人類譜系中粒線體DNA突變的速率和性質。Cell 187, 3904–3918.e8 (2024)。
Sashittal, P., Chen, V., Pasarkar, A. & Raphael, B. J. 從單細胞定序數據聯合推斷細胞譜系和粒線體演化。Bioinformatics 40, i218–i227 (2024)。
文章 PubMed PubMed Central Google 學術搜尋
Cossa, A. 等人。MiTo：透過粒線體單細胞多組學追蹤體細胞譜系的表型演化。Nat. Commun. https://doi.org/10.1038/s41467-026-71607-5 (2026)。
文章 PubMed PubMed Central Google 學術搜尋
Kozlov, A., Alves, J. M., Stamatakis, A. & Posada, D. CellPhy：從 scDNA-seq 數據準確快速地推斷單細胞譜系。Genome Biol. 23, 37 (2022)。
文章 CAS PubMed PubMed Central Google 學術搜尋
我們感謝 Sankaran 和 Weissman 實驗室的成員提供的寶貴意見。本研究由霍華休斯醫學研究所（V.G.S. 和 J.S.W.）、Mathers 基金會（V.G.S. 和 J.S.W.）以及美國國家衛生研究院（NIH）的 R01DK103794、R01CA265726、R01CA292941、R33CA278393 和 R01HL146500 補助金（V.G.S.）資助。C.W. 獲得 NIH 獨立之路獎（K99HG013991）資助。J.S.W. 和 V.G.S. 是霍華休斯醫學研究所的研究員。
血液學/腫瘤學部，波士頓兒童醫院，哈佛醫學院，麻州波士頓
懷特海德生物醫學研究所，麻州劍橋
兒童腫瘤學部，達納法伯癌症研究所，哈佛醫學院，麻州波士頓
麻省理工學院和哈佛大學博德研究所，麻州劍橋
霍華休斯醫學研究所，麻州波士頓
生物學系和霍華休斯醫學研究所，麻省理工學院，麻州劍橋
MIT 的 Koch 綜合癌症研究所以及 MIT，麻州劍橋
哈佛幹細胞研究所，麻州劍橋
在 PubMed Google 學術搜尋作者
在 PubMed Google 學術搜尋作者
在 PubMed Google 學術搜尋作者
C.W. 協助構思專案，進行實驗和數據分析，並撰寫了稿件。J.S.W. 和 V.G.S. 構思了專案，監督並指導了研究，並撰寫了稿件。作者名單的變動反映了回覆的重點範圍。該評論涉及對研究中使用的變異過濾和分析策略的狹窄技術點，而非原始文章的更廣泛實驗設計、數據生成或主要生物學結論。因此，回覆和相關修訂由直接參與開發、實施和解釋該工作特定方法學方面的關鍵人員準備。未包含在修訂版回覆中的作者，其對原始文章的貢獻仍得到適當的認可，但他們對本次重點回覆的準備或修訂沒有實質性貢獻。
通訊作者：Chen Weng、Jonathan S. Weissman 或 Vijay G. Sankaran。
作者聲明無利益衝突。
出版商聲明：Springer Nature 在發表的地圖和機構歸屬方面保持中立。
（a）顯示譜系特異性的範例 mtDNA 突變。1 個分子突變以三角形和顏色表示。每個細胞有多個分子的突變以黑點表示。（b-d）與圖 1g,h 相關。（b）使用 cell-ranger (bwa) 作為比對器（不進行粒線體基因組遮罩）的 ReDeeM 管線，重新分析 ReDeeM 和 CRISPR 譜系推斷之間的接近度一致性（AOC），無論是否進行邊緣修剪。（c）與隨機重排相比的 AOC 分佈，用於面板 b。（d）使用 4 種 ReDeeM 管線呼叫的所有 mtDNA 突變的 AOC 分佈，其中測試了兩種比對器：bowtie2 和 cell-ranger (bwa)，以及兩種共識呼叫閾值。（e-f）顯示來自不同腫瘤樣本的擴展範例，與圖 1g,h 相關。計算 ReDeeM 和 CRISPR 譜系推斷之間的 AOC，跨越 ReDeeM filter1 和 filter2。4 個面板順序相同。AOC 是針對以下情況計算的：(1) 使用 filter1 的 mtDNA 突變，包括 1 個分子突變；(2) 使用 filter1 的 mtDNA 突變，排除 1 個分子突變；(3) 使用 filter2 的 mtDNA 突變，包括 1 個分子突變；(4) 使用 filter2 的 mtDNA 突變，排除 1 個分子突變。包含 1 個分子突變時 AOC 增強的區域被突出顯示。面板 f 顯示了與隨機重排相比，不同 mtDNA 過濾策略的 AOC 分佈。
（a）ReDeeM 修剪邊緣和 filter2 與原始過濾器（filter1）相比的影響。前兩行：跨樣本偵測到的總突變數；底行：具有連接性的細胞數量（至少與其他細胞共享一個突變）。斷開連接的細胞標記為灰色。（b-c）不同突變呼叫策略之間的重疊分析。進一步透過突變特徵分析評估 ReDeeM 獨有突變（由 ReDeeM 修剪邊緣或 ReDeeM filter2 識別但 mgatk 未識別的突變）。（d）filter2、修剪邊緣和 filter1 之間的比較，包括突變和細胞數量，以及各種連接性指標。
（a-d）修剪邊緣過濾與 filter1 保持高度一致，顯示顯著的親緣關係一致性以及跨樣本的細胞-細胞 Jaccard 距離的強相關性，而隨機重排則顯示明顯降低的一致性。（e–h）filter2 同樣相對於 filter1 保留了樹狀結構和細胞-細胞距離，支持了精煉過濾策略的穩健性。（i–j）k 最近鄰分析（k = 15, 30）顯示，修剪邊緣或 filter2 後定義的局部細胞鄰域與 filter1 中的鄰域保持接近，並且比隨機預期更一致。（k）一個概念性範例說明，低 MRCA 一致性不一定意味著生物學恢復不良：兩個假設的樹完美恢復了相同的六個真實克隆，但在較大分支內部的分支順序上有所不同，導致 MRCA 一致性降至 0.515。因此，儘管基於 MRCA 的一致性適中，克隆級別的準確性仍然可以很高。
此文件包含補充圖 1-8、補充方法、補充討論和補充參考文獻。