从癌症基因组图谱透视致癌全过程

团队全面量化了非整倍体与TP53、突变负荷和淋巴细胞浸润水平等基因组特征的相关水平，并给出了预测性实验证据。基因融合能驱动过表达或产生融合蛋白，是重要的驱动突变因子，系统性分析滑膜肉瘤S18/SSX1或SSX2等基因融合的特征，发现它们导致某些肿瘤复发；融合驱动基因还存在于小的肿瘤亚群中，像肺腺癌中的ALK或ROS1融合。

此外，团队还鉴定了33种癌症类型的胚系突变和体细胞突变。从15亿个胚系和360万体细胞突变中，体细胞数据研究组识别出299个驱动基因和超过3,400个致癌突变；胚系突变研究组提出杂合性丢失（LOH）和复合杂合性、稀有拷贝数和可变致病性，强调二次突变假说，并在影响8%病例的99种易感基因中鉴定出超过800种致病或可能致病的胚系突变。

研究人员用299个驱动基因和99个易感基因研究9，389个样本的胚系和体细胞事件的互作。很多易感基因在基因组完整性中起作用（下图绿条码）。这些基因的改变代表胚系突变（63%，490/769）较体细胞驱动突变（14%，8850/75825）的比例更高。其它体细胞突变主要来自于与细胞周期、表观遗传修饰、代谢、致癌信号和转录/翻译调节有关的基因。对单个癌症类型的基因组完整性中断的病例频率调查显示，八种分子过程中，因BRCA1或BRCA2易感突变和高比例TP53突变，使基因组完整性突变在卵巢浆液性囊状癌的胚系突变和体细胞突变中占主导地位。基因组完整性突变病例的百分比在其它携带突变的癌症进一步倾斜：肺鳞状细胞癌样本中4%样本有胚系突变，而体细胞突变占89%。

影响基因组完整性的大多数易感基因（64%，23/36）属于核心DDR（DNA损伤应答）基因。BRCA1、BRCA2、CHEK2、ATM、BRIP1、PALB2和PMS2等显示高胚系突变数。当同时考虑胚系和体细胞突变，最常见的突变基因是BRCA1和BRCA2。与卵巢浆液性囊状癌、肺鳞癌和BRCA野生型样本相比，胚系BRCA1/2突变患者发生癌症时更年轻。胚系突变患者平均诊断年龄为54.4±1.3岁（标准差），体细胞突变为62.3±13.4岁。胚系或体细胞突变与癌症类型有高突变负荷关联。

从序列动力学到信号通路与合成致死的互作，所有体细胞驱动基因间的互作都有治疗开发的潜力。用MC3体细胞突变数据集和驱动基因表识别互斥或倾向于共同出现的驱动对时，发现了一个广泛相互作用的网络。

TP53是枢纽，与IDH1、ATRX、PP2R1A、    RB1和CDKN2A共生，与 PIK3CA、HRAS、CTNNB1、ARID1A和FGFR3互斥。驱动基因和突变通过某些通路/机制作用表现强排他性，典型例子是BRAF和HRAS/NRAS/KRAS，都影响Ras信号通路。其它例子是同源基因对，如IDH1/IDH2和GNAQ/GNA11，以及PIK3CA和PIK3R1等互作基因。这些模式几乎在33种肿瘤类型都出现，显示重要的致癌关系。 

肿瘤基因组和转录组在多层面相互作用。1%~2%的基因组突变出现剪接突变，有改变转录组和生化途径的可能。顺式突变可局部破坏或激活剪接因子的结合或剪接位点。分析8,656例肿瘤发现1,964例主要是错义和同义突变产生的新剪接点，它们还产生新抗原，通常伴有免疫反应的升高。剪接调控基因突变导致大规模异常剪接，成为原癌基因或抑癌基因，提供了潜在的生物标志物和治疗靶点。

研究人员通过多重分析鉴定出具共调节簇的样本，洞察肿瘤分子状态。集群分配（COCA）聚类将非整倍体水平10522个样本分为10个簇（组），mRNA有10,165个样本共25簇每簇至少40个样本，miRNA 15簇/10,170个样本，DNA甲基化25簇/10,814个样本，反相蛋白阵列RPPA有10簇/7,858个样本。对9,759个肿瘤样本中进行非整倍体、DNA甲基化、mRNA和miRNA水平的联合分析，iCluster整合分子亚型，得到28个iCluster组（5月11号微信内容已有报道）。

研究团队分析了体细胞突变在驱动基因反式表达中的影响。根据是否含移码突变或无义突变（I组）、错义突变（II组）或无突变（III组）对每个基因分组。错义突变使癌症驱动基因明显上调，无义或移码突变使其下调。ATRX、BRCA1、NF1和RB1等肿瘤抑制基因表达下调，而EGFR和KIT等致癌癌基因表达上调。多数情况下，移码/无义突变组有比其它组更明显的mRNA下调，与其诱导的无义突变介导衰变相吻合。乳腺癌中GATA3是例外，移码或无义突变的样本有更高水平的mRNA，可能与GATA3移码突变有功能获得的致癌作用相关。CASP8等案例中，错义突变样本也过度表达驱动基因。

基因影响不同的转录编码，取决于影响它们的突变类型。浸润性乳腺癌的GATA3突变后，移码/无义突变的样本与微管动力学或细胞骨架构成的基因下调相关，但在错义突变中没有看到这种效应。类似情况也发生在有CDH1突变的浸润性乳腺癌，无义和移码突变的样本与白细胞迁移基因上调相关，而在CDH1错义突变样本则无此现象。起源组织似乎也影响转录效应。所有TP53突变类型的低级别胶质瘤样品与下调表达的白细胞迁移基因相关，但这些基因在TP53突变的肝细胞癌或浸润性乳腺癌样品中表达未发生变化。由此看来，驱动基因突变和癌细胞转录组的关联受原始细胞和驱动基因突变类型的共同影响。

驱动基因突变常常影响互作基因和相同通路基因的表达。除肾透明细胞癌等少数例外，细胞增殖、死亡、信号转导和运动等常见致瘤过程在癌症中往往出现失调控，大多由TP53、PTEN、KRAS和PIK3CA主导。在头颈部鳞状细胞癌、皮肤黑色素瘤和乳腺浸润性癌中，更是频繁出现。致癌过程和癌症类型之间也有关联，如钙信号通路失调控与葡萄膜黑色素瘤中常见钙信号通路上游GNA11和GNAQ突变激活，以及膀胱尿路上皮癌因Notch信号通路的驱动基因失活突变导致该通路失调控

在细胞死亡和MAPK信号转导过程中，还发现了TP53和PIK3CA，KRAS和BRAF已知的互斥突变基因对，表明单个驱动突变足以扰乱这些过程，多个驱动突变在功能上是可替换的。在异质性肿瘤中，这类功能冗余可能是耐药和转移性克隆的重要来源。

建立驱动突变和转录组之间的关联后，研究团队继续研究驱动基因与肿瘤甲基组、转录组和蛋白组之间的关系。搜索富集驱动因子的组合簇，识别出与多平台簇相关的40个基因：TP53、KRAS和PIK3CA突变在十个乃至更多的多平台簇中富集，ARID1A、BRAF、CTNNB1、KMT2D、PTEN和APC突变在四个或更多簇中显著富集。

此外，还发现相似的多平台簇相关基因不同。典型例子是低级别胶质瘤和多形性胶质母细胞瘤，主要被mRNA类群的C1组和RPPA类群的C1覆盖，但在甲基化类群中明显不同。IDH1驱动的低级别胶质瘤在甲基化类群的C1，330/353个样本中携带IDH1突变，而EGFR驱动的低级别胶质瘤和多形性胶质母细胞瘤归甲基化类群的C16。APC和KRAS驱动的结肠癌/直肠腺癌主要在mRNA类群的C15和RPPA的C8富集，但在甲基化类群的C10和C11中分散。PIK3CA驱动的浸润性乳腺癌也有类似情况，在mRNA和蛋白类群的C23和C6富集，但又归属甲基化类群C24或C6。

研究团队也发现了特定驱动基因在集群类群中分化的实例。子宫内膜癌样品大多属多平台簇4/18 /C3和23/18 /C3，仅在甲基化类群上有不同，前者的ARID1A、PTEN、CTNNB1和PIK3CA突变多，TP53突变较少，反过来后者受TP53和PP2R1A突变支配，表明驱动基因变化的差异可被甲基化组学图谱反映。

该方面的内容涉及癌细胞与肿瘤微环境间的互作，包括间质细胞和免疫浸润。研究结果表明，肿瘤微环境可属于六种免疫亚型任意一种，即伤口愈合型（C1）、IFN-γ主导型（C2）、炎症型（C3）、淋巴细胞殆尽型（C4）、免疫静默型（C5）和TGF-β主导型（C6）。

图像分析团队用苏木精和曙红高分辨率成像，估测13（/33）种肿瘤类型相关淋巴细胞密度和浸润模式。研究揭示了通过基因表达测量的淋巴细胞浸润程度和从成像数据中提取特征之间的关系，进一步阐述了癌症分子亚型、致癌事件和结果的相关性，表明图像资源还有待充分挖掘。

研究团队深入研究了特定驱动事件、免疫渗透的组成，以及不同免疫类型和细胞类型信号网络之间的关系。每种免疫亚型的网络可能与靶向药物和免疫治疗之间的协同干预有关。

在C3免疫亚型中，BRAF驱动的肿瘤CD8 T细胞比例高于NRAS驱动的肿瘤。CD8 T细胞比例升高被认为是检查点抑制的重要效应，有更好的预后。另一个涉及CD8 T细胞、CD27 4（PD-L1）和PCDC1（PD-1）的信号转导回路，靶向BRAF基因和PD-L1蛋白可能有协同效应。此外，还发现一个网络内的C5亚型，在ATRX或TP53突变样本中巨噬细胞升高而CD8降低。这些巨噬细胞分泌HMGB1，促进胶质瘤的增殖和转移，是C5中典型的肿瘤类型。

KRAS/NRAS/HRAS和BRAF V600中的驱动突变是最常见产生癌症中的新抗原的突变，直接指导免疫反应。再有，驱动基因突变可能会影响引导免疫反应的转录调控。例如，IDH1驱动的胶质瘤与低水平的STAT1蛋白相关，可通过降低脑内T细胞运输的关键趋化因子CXCL10的分泌来降低免疫浸润水平。

事实上，生物医学现正从孤立地研究肿瘤转向到更大环境范围的评估。分子治疗逐步发展为“多组学”。该方法被用来研发小分子抑制剂，用于药物突变、突变标志、基因表达、免疫治疗剂和疫苗。生物信息学系统将在剂量、效能、副作用等方面进行有效设计，在大组合空间内的优化治疗方案。

当展望未来时，仍存在很多疑惑。譬如，我们才认识到像BRAF V600E致癌突变经常发生在健康人身上。那么在正常发育中人类是否可以耐受某些体细胞突变？如果是这样，又会如何影响对致癌突变的理解？

参考文献：

Caesar-Johnson, S. J., Demchok, J. A., Felau, I., Kasapi, M., Ferguson, M. L., & Hutter, C. M., et al. (2018). Perspective on oncogenic processes at the end of the beginning of cancer genomics. Cell, 173(2), 305.