Nature子刊：捕捉万分之一癌细胞突变

　　

生物通报道  苏黎世联邦理工学院（ETH-Zurich）的研究人员开发了一种新方法用于检测只存在于部分癌细胞中的突变。分析结果显示个体肿瘤细胞远比原以为的更加多变，且因人而异。

有时候，一种肿瘤形成非常缓慢。它们开始只有少量的突变细胞。之后这些细胞出现突变，再突变。这些突变细胞远比它们的祖细胞更“顺风顺水”，随着增殖而将它们的祖细胞淘汰。因此，新的细胞变异体不断出现，每一个都比它的祖细胞更强：肿瘤通过进化导致了遗传异质性的癌症。

这使得难以用药物来治疗肿瘤，因为有可能会存在一些细胞对于所用药物不产生反应。来自苏黎世联邦理工学院和瑞士生物信息研究所的研究人员与来自苏黎世大学的同事们联手开发了一种新方法能够可靠地检测肿瘤细胞的遗传变异。利用这种方法，研究人员可以检测到只在万分之一细胞中出现的突变。相关研究发表在《自然通讯》（Nature Communications）杂志上

肾癌组织检测获成功

“将这种方法应用到诊所中非常的重要，例如，当治疗耐受的细胞类型需要进行检测以采用相应治疗时，”文章的主要作者、苏黎世联邦理工学院生物科学与工程系Moritz Gerstung说。

新方法还能够检测肿瘤细胞群中某些变异的频率，由此揭示肿瘤生长的机制以及在患者体内遗传改变的速度。

当对健康肾细胞和肾癌细胞中两个基因的两个特定区域进行比较时，研究人员发现了24个遗传变异。一些变异只存在于万分之二的检测细胞中，而另一些则占三分之一以上。

读取错误的统计学补偿

研究人员利用一种称为“深度测序”的现代的测序技术对来自肾癌组织的无数肿瘤细胞进行了遗传分析。结果，对来自单个基因的数百万DNA片段同时进行了测序。从全部肿瘤细胞群中分离出了这些DNA片段，并阐明了肿瘤的遗传组成。这些基因的测序超过10万次，相当对应大量逐个测序细胞。

然而在读取遗传密码时，有可能发生错误。为了避免将真正的突变错认为错误，研究人员对健康组织进行了平行测序确保能够确定DNA的任何位点上的错误率。为了将特定位点上的真正突变与测序错误区分开，他们开发了一种特别的统计学算法。“这对于我们而言是一个关键的步骤，即使是最小的不精确也可能引起大量的错误，因为该算法分析的是数百万个DNA片段，”Gerstung博士说。

个体化癌症医学的目的

研究人员开始通过在已知细胞成分的对照样本中检测他们的新方法确定了其能够发挥功能，没有显示任何虚假预测。随后他们对四个肿瘤样本进行了分析，发现了大量突变或亚型细胞。“这些细胞的存在支持了这一理论：肿瘤不断的改变与达尔文进化过程相一致，”Gerstung博士说。

这一新方法有助于进一步的个体化癌症治疗。在未来，肿瘤也可能不再被当成一个整体进行治疗。如果知道肿瘤中包含的细胞类型，个体治疗就能够采用一种特殊的药物组合。何时以及是否这种方法将会常规应用到临床还有待观察。尚需要进一步的研究来确定肿瘤细胞群如何对不同的治疗产生反应。“不过现阶段这种方法可以用于同样检测其他的细胞类型，”苏黎世联邦理工学院的研究人员说。

（生物通：何嫱）

生物通推荐原文摘要：

Reliable detection of subclonal single-nucleotide variants in tumour cell populations

According to the clonal evolution model, tumour growth is driven by competing subclones in somatically evolving cancer cell populations, which gives rise to genetically heterogeneous tumours. Here we present a comparative targeted deep-sequencing approach combined with a customised statistical algorithm, called deepSNV, for detecting and quantifying subclonal single-nucleotide variants in mixed populations. We show in a rigorous experimental assessment that our approach is capable of detecting variants with frequencies as low as 1/10,000 alleles. In selected genomic loci of the TP53 and VHL genes isolated from matched tumour and normal samples of four renal cell carcinoma patients, we detect 24 variants at allele frequencies ranging from 0.0002 to 0.34. Moreover, we demonstrate how the allele frequencies of known single-nucleotide polymorphisms can be exploited to detect loss of heterozygosity. Our findings demonstrate that genomic diversity is common in renal cell carcinomas and provide quantitative evidence for the clonal evolution model.