正文
仅保留那些在早期和晚期区域均支持的断点（红色虚线），剔除单侧支持的断点（灰色虚线），确保CNA片段的准确性。
这一步骤的结果是初步定义了由CNA影响的基因组区段。
通过对每个区段的RDR进行统计置换检验，SPRINTER能够鉴别S期细胞。
在S期细胞中，早期复制区域显示较高的RDR值，而晚期区域显示较低的RDR值。
非S期细胞（G0/G1/G2期）的RDR在复制时序上无显著差异。
此步骤的结果是区分了S期细胞（底部行）和非S期细胞（顶部行），为后续克隆分配奠定基础。
对所有非S期细胞（G0/G1/G2期），SPRINTER通过其特定的CNA模式（黑色线条）进行分组，并推导出克隆结构。
不同克隆以CNA的特征模式表示，细胞被归为具有相同CNA模式的克隆（彩色条）。
这一步骤的结果是为非S期细胞建立克隆分类。
SPRINTER将每个S期细胞分配到最可能的克隆（Maximum-a-Posteriori，MAP）。
RDR数据经过复制波动的校正后，通过最大后验概率法选择最佳克隆分配（绿色对号）。
结果是所有S期细胞被成功归类到推导的克隆中，并校正了克隆内的CNA模式。
SPRINTER通过去卷积分析总读数分布，将G2期细胞与G0/G1期细胞区分开。
G2期细胞具有更高的总读数分布（黑色柱），而G0/G1期细胞的读数较低（浅灰色柱）。
每个克隆的G2期细胞分数被成功量化。
最终，SPRINTER为每个细胞（行）提供了推导的CNA（颜色块）和细胞周期阶段（S期和G2期比例）。
每个克隆的细胞周期状态被精确估计，包括S期细胞（深灰色条）和G2期细胞（黑色条）的比例。
这一结果为分析肿瘤克隆的增殖模式、异质性及其演化提供了丰富的信息和高分辨率数据支持。
为了验证SPRINTER的可靠性，研究团队设计了一组严谨的实验，包括使用EdU标记和荧光激活细胞分选（FACS）技术生成的8,844个HCT116结直肠癌细胞的地面真值数据。这些数据涵盖了二倍体和四倍体细胞，为SPRINTER的算法性能提供了坚实的实验依据。
与现有方法相比，SPRINTER在S期细胞识别和克隆分配精度上表现出显著提升，其在中晚期S期细胞分类中的准确率比传统方法提高了10%到90%。
在应用方面，SPRINTER被用于分析14,994个非小细胞肺癌（NSCLC）细胞的纵向样本，揭示了肿瘤原发灶和转移灶中克隆间显著的增殖差异。通过与乳腺癌和卵巢癌数据的扩展应用，该方法进一步证实了其在多种癌症类型中的普适性。尤其值得关注的是，SPRINTER还通过复制时序变异（altered replication timing, ART）的分析，揭示了与转移潜力和基因表达调控相关的重要非遗传学特征。
这种创新性方法不仅为揭示肿瘤增殖异质性提供了强有力的工具，也为开发克隆特异性治疗策略打开了新思路，标志着癌症研究从群体平均到个体单细胞解析的转型。
肿瘤内部的细胞克隆并非以相同速度增殖，而是存在显著的异质性。通过SPRINTER算法对14,994个非小细胞肺癌（NSCLC）细胞进行分析，研究团队揭示了克隆间增殖差异的全貌。
SPRINTER能够利用scDNA-seq数据，识别并量化每个克隆中S期和G2期细胞的比例，这些数据是评估克隆增殖活跃度的核心指标。
研究发现，在NSCLC样本中，克隆的增殖活跃度差异极为显著。一些克隆的S期细胞比例是其他克隆的两倍以上，而这些高增殖克隆通常主导了肿瘤的整体动态。例如，在原发肿瘤和转移灶中，SPRINTER识别出的高增殖克隆不仅增殖迅速，而且在细胞数量上占据主导地位。这种现象提示，肿瘤的增殖异质性可能是驱动癌症进展的重要机制之一。
