使用CNVKIT（参考文献47; FHCC和TCGA样品）和ASCAT（参考文献48; Cambridge样品）检测到DNA拷贝数改变。使用AmpliconArchitect v.1.2（Ref。11）（v.0.4.4.13）（v.0.4.4.13）（补充信息和图1E），使用候选型结构，使用候选型结构，使用了AmpliconArchitect v.1.2（补充信息和循环型结构，使用候选型结构）（v.0.1.1）。扩增子复杂度评分是根据扩增子结构分解的多样性来计算的，该分量分解输出（补充信息和补充图3）。

　　我们使用Scipy v.1.9.1（参考文献49）在研究中执行所有统计检验，除了eCDNA区域 - 联合重叠的显着性测试外，我们使用ISTAT v.1.0.0（参考文献43和补充信息）。当计算优势比时，如果两乘两表中的任何单元为零，则将haldane校正50应用于表中的每个单元格。通过Fisher的精确测试评估了赔率比值和事件频率的差异的重要性。除非另有说明，否则默认测试类型在统计测试中是双面的。对于框图中表示的数据，中心线是中间线，框限制是上四分位数，晶须是四分位间范围的1.5倍，或表示如果没有异常值，则表示最小或最大值。

　　我们从一项前瞻性监测研究中确定了适当的患者，对先前的研究中有3,000多名癌前病变的患者进行了研究13，其中描述了所述的病理学的随访和方法。对于没有发展为HGD或EAC的同类人群的最小随访（中值139，最大258），而发育不良队列的中位随访57个月（范围为0-249）。We analysed WGS data from 206 patients in cross-sectional Barrett’s oesophagus surveillance Cambridge cohorts with biopsy-validated Barrett’s oesophagus, including 27 patients with non-dysplastic Barrett’s oesophagus, 15 patients with LGD who never developed HGD or EAC during follow-up, 25 patients with HGD, 51 patients with early-stage EAC (AJCC stage I) and 88 patients with late-stageEAC（AJCC II – IV期（图1A）。低度巴雷特食管和高级巴雷特的食管患者接受了剑桥大学医院NHS Trust的监测，并同意对生物标志物和基因组表征研究（细胞决定性生物标志物，rec rec no.01/1/1/1/149，2 rec of。

　　在剑桥监测群中包括的患者都没有治疗，也就是说，患者未接受新辅助化学疗法，放射或消融疗法 - 两名晚期EAC患者（患者167和155）（患者167和155）（患者167和155）已经接受了以前的治疗，如先前接受过疗法，如补充表1和扩展数据图。

　　实施了严格的选择标准，以确保仅对组织学等级一致的最高细胞活检进行测序。将潜在的活检置于最佳切割温度化合物中，并用血久毒素和曙红（H＆E）切割单个截面并染色。至少两名顾问病理学家对这些进行了审查，以评估活检的组成。所有病理学家都对患者的成绩视而不见。第三病理学家审查了无协议的样本以达成共识。用于测序的发育不良样品必须具有至少30％的发育异常的病理细胞性，并被标记为与活检中报告的最高病理级（早期癌症的肿瘤细胞70％或更高）一致。非塑料Barrett的食道活检必须含有肠道化生。

　　为EAC国际癌症基因组联盟（ICGC）研究招募了早期和晚期EAC的患者，通过英国范围内的食管癌症分类和分子分层（OCCAMS，REC 10-H0305-1），为EAC国际癌症基因组联盟（ICGC）研究招募了样品。对于早期癌症样品，包括细胞的样本为70％或更高，与ICGC指南一致。这些试验的道德批准来自英格兰东部 - 卡姆布里奇中央研究伦理委员会。将EAC样品前瞻性收集为内窥镜活检或切除标本。如前所述，所有组织样品均为快速冻干和血液或正常鳞状上皮（距肿瘤至少5厘米）作为种系参考。

　　Barrett的食道研究样品是在内窥镜检查时每2厘米的食管段的每2厘米，然后进行了frozen。从每个Barrett的食道样本中取出一个froz肉的截面，以确定发育不良的等级。在接受先前的消融治疗的前癌症类别中的患者被排除在外。排除具有鳞状污染的样品。

　　由病理学家确定，对肿瘤纯度高于70％的病例进行了测序。Illumina（100-150 bp配对的读数）的WGS进行了50倍的肿瘤覆盖范围，对匹配的种系控制进行了30倍的覆盖范围。然后将读取与BWA-MEM51与GRCH37对齐（1000个基因组项目Human_G1K_V37与诱饵序列HS37D5）。以前报道了异常的细胞分数和倍性，并使用ASCAT v.2.3（参考文献48）产生。

　　使用BWA-MEM v.0.7.17，将两个剑桥BAM文件与GRCH37（1000 Genomes Project hum_g1k_v37）和诱饵序列HS37D5对齐。使用ASCAT v.2.3（参考文献48）生成绝对拷贝数概要文件。总拷贝数大于4.5，间隔大小大于10 kbp的基因组区域已与amplified_intervals.py脚本确定，合并和完善。将每个种子区域分别提供给扩增的结构，以提高每个样品的运行时间。AmpliconArchitect was run in the default explore mode to reconstruct amplicon structures and amplicons formed by the same regions were deduplicated on the basis of genomic overlap such that for overlapping AmpliconArchitect amplicons, the amplicon with the highest-level classification was kept (ranked by ecDNA, BFB, complex non-cyclic and then linear), with ties being broken by最大的扩增子大小。

　　我们使用了停靠的放大式套件 - 置-Pipeline包装器来检测TCGA队列中的局灶性扩增。种子检测的包装管道掺入了CNVKIT V.0.9.7（参考文献47）以未配对模式运行以检测CNV。然后向CNV调用提供amplified_intervals.py脚本，并根据拷贝数大于4.5的区域过滤，大小大于50 kbp，以产生一组种子区域。我们使用AmplicOnArchitect推断了扩增子的结构，该管道是在20个TCGA-ESCA EAC肿瘤WGS BAM文件上运行的，该文件通过系统生物学癌症基因组云研究所（https://isb-cgc.appspot.com/），与GRCH37保持一致，提供了基于云的平台，以用于TCGA数据分析。

　　先前发表了FHCC研究的测序数据14。所有为这项研究贡献临床数据和生物测量的研究参与者均提供了书面知情同意，但要受到弗雷德·哈钦森癌症中心IRB委员会的监督，均受到d（ID 5619）的监督。用于FHCC研究的所有样品均来自未接受治疗的患者（治疗）。然后将读取与BWA-MEM（V.0.6.2-R126）51对齐至GRCH37（1000 Genomes Project human_g1k_v37，带有诱饵序列HS37D5）。BAM文件通过GATK Indelrealigner v.3.4-0-G7E26428（参考文献52）进行了随后的indel Rehignment。Chromothripsis调用源自先前的研究22。基因组加倍（WGD）调用源自另一个先前的研究14。还使用PASCAT v.2.1对纯度和倍性进行了如前所述14。

　　我们使用Ampliconsuite-Pipeline包装器来检测FHCC队列中的局灶性扩增。种子检测的包装管道掺入CNVKIT V.0.9.6（参考文献47）以肿瘤正常模式运行，以针对每个患者的匹配的正常WGS样品呼叫体细胞CNV（当可用多个正常样本可用时，一个是任意选择的）。正常样品还以不成对的模式进行了同一管道，以进行独立的CNV检测。然后提供CNV调用，提供Amplified_intervals.py脚本，并根据具有大于4.3（正常样本的4.0）的区域过滤，并且大于50 kbp（正常样品的10 kbp）以产生一组种子区域。然后，包装器在WGS BAM文件上以默认模式调用AmplicOnArchitect，以检查种子区域并介绍焦点扩增的体系结构。提供的图形和周期输出文件被提供给扩增子Classifier v.0.4.13，以产生用于ECDNA，BFB，复杂的非环境和线性局灶性扩增的扩增子扩增子的分类（补充信息）。AmplicOnClassifier还指定了与分类区域相对应的床文件，并注释了基因在焦点放大方面的身份。

　　FHCC的组织学数据是对先前发表的同伴的重新分析。简而言之，未通过设计评估了接受WGS的活检样本。取而代之的是，如前所述，病理分析是从食管的相邻活检中进行的。如果测序活检具有从食道的同一水平的组织学活检（以胃鼠连接的测量），则表示它表示为具有水平的组织学。如果测序活检从相同水平的±1 cm以内进行组织学活检，则表示为窗户学。当可以将多个组织学样本与测序配对时，分配了最严重的疾病状态的组织学活检。

　　在FHCC队列中，从先前的研究14确定TP53状态，我们将TP53的变化定义为单个（+/-）或双（ - - / - ）检测到TP53的损失的情况。简而言之，对于FHCC队列，如SNPeff53报道的那样，将突变定义为任何中度至高影响的SNV或Indel。删除至少一个外显子或影响TP53编码序列或剪接位点的结构变体，也被认为是破坏TP53的，以及影响至少一半外显子区域的拷贝数变化。使用IGV54或Partek手动验证所有更改。对于剑桥队列，使用strelka v.2.0.15（参考文献55）和变体效应预测器v.78（参考文献56），通过识别体细胞编码变体（错过，移码，定格或剪接站点变体）来确定TP53状态。变更定义为受突变事件影响的一个或多个TP53副本。

　　癌基因源自Ongene数据库57的组合以及Barrett的食管和EAC驱动基因，在先前的报道中列出了14,58,59。完整列表在补充表8中提供。免疫调节基因源自Hisgatlas数据库60。当评估基因在ECDNA上的存在时，平均基因拷贝数为4.5或更高，并且完整的5'端。

　　有关研究设计的更多信息可在与本文有关的自然投资组合报告摘要中获得。