Nature Methods：利用大数据更好地了解癌症突变

时间：2022-07-26 10:15:28 来源：网络整理

人工智能和机器学习是癌症研究人员用于帮助检测和治疗这种疾病的最新工具。

科罗拉多大学癌症中心成员Ryan Layer博士是研究这一癌症研究新前沿的科学家之一，他最近发表了一项研究，详细介绍了他的研究，该研究使用大数据来发现细胞中的癌变。

“确定导致健康细胞变成恶性的基因变化可以帮助医生选择专门针对肿瘤的治疗方法，”加州大学博尔德分校计算机科学助理教授Layer说。“例如，大约25%的乳腺癌是HER2阳性，这意味着这种类型的肿瘤细胞有突变，导致它们产生更多的蛋白质，称为HER2，帮助它们生长。专门针对HER2的治疗方法大大提高了这类乳腺癌的生存率。”

Layer说，科学家可以通过评估细胞DNA来识别突变，但挑战在于人类基因组是巨大的，突变是进化的正常组成部分。

“人类基因组的长度足以写满一本120万页的书，任何两个人都可能有大约300万个基因差异，”他说。“在肿瘤中寻找一个致癌突变就像在一堆针中寻找一根针。”

扫描数据

确定患者癌症突变类型的理想方法是比较来自同一患者的两个样本，一个来自肿瘤，一个来自健康组织。然而，这样的测试既复杂又昂贵，因此Layer想到了另一个主意——使用大规模的公共DNA数据库来寻找通常是良性的细胞突变，这样研究人员就可以识别出有可能癌变的罕见突变。

“有一个项目叫做基因组聚合数据库，或gnomAD，在布罗德研究所，他们把一堆不同的研究，在布罗德进行到一个单一的最大的基因数据库，任何人都曾想过，”Layer说。“最初有65000只，现在大约有50万。当时我在犹他大学(University of Utah)的未诊断罕见病诊所做研究，这个数据库的用处简直令人难以置信。”

Layer说，即使他能够对一个患有癌症的孩子和她的父母进行测序，通常有很多基因突变，很难确定是哪一个导致了这种疾病。使用gnomAD，他可以观察某一变异在较大人群中发生的频率，从而大大减少治疗靶点的数量。

验证变异

受到那次经历的启发，Layer开始寻找其他方法，利用大数据来识别潜在的癌变突变。他和他的同事们知道，检测被称为结构变异(SV)的复杂DNA突变经常会导致假阴性，因此他们开发了一种专注于验证而不是检测的过程。这种方法从数千个DNA样本中搜索原始数据，寻找任何支持特定结构变异的证据。

Layer说:“我们扫描了以前癌症研究中确定的SVs，发现数千个以前与癌症相关的SVs也出现在正常健康的样本中。”“这表明这些变异更有可能是良性的、遗传的序列，而不是致病的序列。”

该团队还发现，这种方法的表现与需要肿瘤和健康样本的传统策略一样好，为降低成本和增加高质量癌症突变分析的可获得性打开了大门。

他说:“有了现有的所有癌症数据，我们能够表明，这种方法确实非常强大，不一定能识别癌症的驱动突变，但与你身体的其他部位相比，哪些变异是肿瘤独有的。”“这样，肿瘤治疗就可以变得超级个性化。我们可以说，‘如果你有这种突变，就使用这种药物;如果你没有这种突变，就不要使用这种药物。’”

共享研究

Layer的实验室现在已经建立了一个网站，在那里医生可以输入在病人肿瘤中发现的结构变异的信息，看看它们有多常见，有多危险。他还希望建立一个更大的以癌症为重点的数据集，以帮助更好地了解肿瘤是如何以及在哪里形成的。

他说:“到目前为止，我们的工作是采用一种结构变异，并观察它在健康人群中的频率。”“但如果我们做索引，让你搜索我们的人口呢?”假设你取了一个肺部肿瘤的样本，你发现了结构变异——现在你可以搜索那些对抗前列腺癌、乳腺癌和所有其他癌症的变异，这可能会帮助你确定，‘肿瘤的起源是什么?“是转移了，还是发源于肺部?”’我们可以搜索肿瘤数据库，试图找到其他匹配的肿瘤，进行更个性化的药物治疗。”

原文标题：

Searching thousands of genomes to classify somatic and novel structural variants using STIX

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。