TCGA大数据挖掘之癌症驱动基因和突变

Comprehensive Characterization of Cancer Driver Genes

and Mutations

Cell, April 2018

背景

●在精准肿瘤学中，识别癌症驱动分子至关重要。

●虽然目前存在一些算法来识别驱动事件，但缺乏将这些算法整合、优化、并应用于大数据中的研究。

●本研究对33种疾病类型、9000多个患者的致癌驱动基因和突变进行最大规模的系统性研究，并强调了在肿瘤患者中普遍存在一些临床可诉性驱动事件。摘要

●对TCGA数据库中33个癌种、9423例患者的外显子组采用PanSoftware 策略分析（共涉及到26个计算工具），来识别驱动基因和驱动突变事件。

●共识别了299个驱动基因、这些基因与它们的解剖学位点及癌症/细胞类型相关。

●基于序列和结构的分析，识别了>3,400个错义驱动突变位点，这些位点被多线证据支持。

●预测到的驱动突变中，有60%~85%的位点通过了实验验证。

●300多个MSI的肿瘤样本与PD-1/PD-L1的高表达相关，其中有57%的肿瘤样本存在临床可诉性事件。

意义

该研究是迄今为止，对癌症基因和突变进行的最大规模的系统性研究，可以为将来的生物学和临床研究做出指导。

1. 癌症驱动基因的识别策略与效能

●Figure 1A. 发现癌症驱动基因的策略：数据收集、工具开发、异常值校正、人工搜索、下游分析以及功能验证。

●Figure 1B. 在每个癌症类型中，体细胞突变数目均成广泛分布。

●Figure 1C. 每个癌种中，6种碱基的类型改变分布（转换和颠换）。

●Figure 1D. 对于单个癌症，有效突变的背景突变率中值为6.1%，且样本

量越大，统计效能越好。

2. 癌症驱动基因的识别

1.共识别了299个基因，其中利用系统方法识别到了258个基因，41个基因是利用人工搜索及额外的组学工具发现的。

2.Figure 2A. 外层每个扇形代表一个癌种，以及该癌种特异突变的驱动基因。不同颜色的矩形块是利用20/20+算法预测出的基因致病状态，从橘色-青色分别代表肿瘤抑癌基因-致癌基因。右上角的扇形为在多个癌种中显著出现的突变基因。

3.分析发现许多驱动基因（142/258）与单个癌种相关，87个基因与至少2个癌种相关。

4.覆盖癌种最多的驱动基因为TP53，其次依次是PIK3CA>KRAS>PTEN>ARID1A。

5.利用相关基因的一致性得分对癌种聚类，发现许多癌症类型按照组织来源聚类，如泛肠胃癌、泛鳞状癌、泛妇科肿瘤。

根据生物学过程和相关通路对驱动基因进行分类：

●10个癌症行与免疫信号通路相关。

●在每个癌种中，都至少有一个驱动基因参与了基因组完整性、MAPK、PI3K通路。

●在鳞状的癌症类型中，大多数基因参与到组蛋白修饰信号、酪氨酸激酶信号以及免疫信号中。

3. 驱动突变的识别

299个的癌症驱动基因中包含751,876个唯一的错义突变，整合了3种不同的分类工具来预测突变位点的致癌效应。

●基于序列的方法(CTAT)区分良性突变和致病突变。

●基于序列的方法(CTAT)区分驱动突变和乘客突变。

●基于结构的方法挖掘有意义的错义突变三维簇。

共预测到了9919个driver突变，这些突变影响了5782个样本。

●发生驱动突变的致癌基因比例高于抑癌基因。

●抑癌基因大都发生截断或移码，然而有些抑癌基因发生了很多错义驱动突变，如EP300, CREBBP, CASP8, PIK3R1, TP53, CDH1。

4. 对突变进行功能验证

利用独立的实验数据集（包含1049 个体细胞突变），来验证预测的驱动突变。

●CTAT-population, by CTAT cancer, structure-based三种方法预测的结果分

别有60%,61%,78%被验证，说明预测算法得到的结果是有价值的。

●根据已知癌症驱动基因PIK3CA/PIK3R1 BRAF, KEAP1/NFE2L2在实验数据集中的蛋白结构，来评价3中预测方法的好坏，发现每个基因都有一些基于结构方法识别的突变，也有一些基于序列的结果支持。

5. 超突变表型及免疫浸润

●Figure A. 基于突变的signature分析，发现90%的超突变(hypermutated)样本都具MSI, UV, POLE, APOBEC或吸烟的signature。

●Figure B. 利用MSIsensor在9423例患者中评估MSI状态。发现一些经

典的癌症类型（如结直肠癌、胃腺癌）具有最高的MSI得分，另外，也发现一些非经典癌种（如卵巢癌、宫颈癌）也具有很高的MSI得分。

●Figure C. 利用RNA-Seq，计算PD-L1, PD-L2, PD-1, CD8A, CD8B在MSI 高低两组样本中的表达，发现在COAD,READ,STAD,UCEC中MSI得分高低两组的免疫浸润有差异。

●Figure D. 观察3个超突变伴随的signature与免疫浸润表达模式的关系，发现只有超突变且具有APOEC特征的膀胱癌与PD1的表达相关。

6. 分子事件的治疗

●Figure A. 与PHIAL(基因水平的数据库)比较，发现52%的样本包含至少一个可诉性突变，65%的样本有有至少1个可诉性或TARGET收录的生物学相关改变。

●Figure B. 与DEPO(特异性突变水平的数据库)比较，发现30%的样本具有至少1个临床可诉性突变。

讨论

●利用泛癌和泛软件的策略分析了TCGA中大型的基因组数据，识别了299个癌症驱动基因，但只分析了点突变和小的插入缺失，未考虑拷贝数变异、基因组融合以及甲基化事件。

●基于序列和基于三维结构的方法预测了3442个驱动突变，通过一套独立的数据集验证，发现基于序列与基于三维结构的方法同时使用会产生互补性结果，进而提升预测的敏感性。

●对~10000 例TCGA中样本的研究中发现，近一半的患者都具有临床相关的突变，通过该结果可以提出一些合理的临床试验设计。