大型研究为癌症基因组分析奠定基础

　　

生物通报道：12月9日，国际癌症基因组协会（ICGC）在著名的《Nature Communications》杂志，发表了一篇令人瞠目的文章，它为即将到来的癌症基因组学研究时代，奠定了基础。该项目，是由Centro Nacional de Analisis Genómico (CNAG-CRG)和German Cancer Research Center (DKFZ)带领完成的，是一项旨在为体细胞突变检测产生可靠标准的研究，这些体细胞突变是癌症基因组的一个标志。体细胞突变是一个细胞自发获得的遗传改变，可以在细胞分裂和肿瘤生长过程中传递给突变细胞的后代。体细胞突变不同于从父母传递给儿童的种系变异。延伸阅读：自然医学社论：癌症基因组学的未来。

这项研究，涉及78个研究机构的83名研究人员——参与了国际癌症基因组学研究联盟，确定了癌症基因组测序程序和质量在各个测序中心之间的巨大差异。当使用相同的癌症基因组测序分析时，这会导致检测到的基因突变的数目和类型，存在戏剧性的差异。在分析的癌症基因组中确认的1000多个体细胞单碱基突变中，只有40%最终被所有参与项目的研究小组所确定。基因序列中小的插入或缺失是更具挑战性的——337个体细胞插入/缺失突变中只有一个单一体细胞插入缺失突变，被所有研究中心所确定（0.3个百分点）。因此，该联盟已经建立了一个参考突变数据集，以评估分析程序。黄金设置参考数据库已帮助ICGC改进了程序，在癌症基因组中确定更加真实的体细胞突变，同时使假阳性较少出现。

由于癌症基因组的全基因组测序越来越多地被用作一种临床工具，因此，就必需充分理解影响测序分析输出数据质量的变量。要考虑的关键点和改进的必要工具，在这里提供。本文资深作者、巴塞罗那CNAG-CRG主任Ivo Gut指出：“我们的研究结果，对癌症基因组分析有深远的影响。我们已经发现，在不同网站进行的癌症基因组测序和数据分析，有许多的不一致。我们正在将我们的研究结果提供给科学和诊断领域，以使他们能改进他们的系统，并产生更多的标准化和一致的结果。”

2015(第四届)高通量测序技术原理及应用网络讲堂开始报名啦

DKFZ的资深科学家David Jones共同领导了这项研究，他评论说：“随着癌症基因组分析的最新技术进展越来越广泛用以支持个性化癌症医学，应用严格的质量检测，来确保结果的准确性和一致性，是极其重要的。我们希望，我们的研究能为这个过程提供一个框架，以帮助研究人员为患者样本提供最好的分析。”

安大略癌症研究所（OICR）主席和科学主任Tom Hudson宣称：“在ICGC成立时，该联盟成员认为，‘最佳实践’的指导方针，可以根据需要进行修改，以适应新的技术和知识。这个基准测试，让研究界获得了信心，在基因组分析的基础上提高临床决策。”

OICR信息和生物计算项目的主要负责人Jared Simpson博士表示：“癌症基因组学的希望，依赖于对影响DNA的突变进行准确和强大的检测。本文有助于我们跟踪这一重要问题的进展，既需要确定我们目前方法的优势，也需要开展进一步的工作。”

OICR信息和生物计算项目的主要负责人Paul Boutros说：“这个项目的确证明，虽然新技术可能给数据质量和数据分析带来挑战，但是，当国际社会以共同合作的方式，这些可以迅速变成结果。这种合作的结果，将显著提高我们在OICR进行的测序和数据分析的质量。”

（生物通：王英）

生物通推荐原文：

A comprehensive assessment of somatic mutation detection in cancer using whole-genome sequencing
Abstract: As whole-genome sequencing for cancer genome analysis becomes a clinical tool, a full understanding of the variables affecting sequencing analysis output is required. Here using tumour-normal sample pairs from two different types of cancer, chronic lymphocytic leukaemia and medulloblastoma, we conduct a benchmarking exercise within the context of the International Cancer Genome Consortium. We compare sequencing methods, analysis pipelines and validation methods. We show that using PCR-free methods and increasing sequencing depth to ~100 × shows benefits, as long as the tumour:control coverage ratio remains balanced. We observe widely varying mutation call rates and low concordance among analysis pipelines, reflecting the artefact-prone nature of the raw data and lack of standards for dealing with the artefacts. However, we show that, using the benchmark mutation set we have created, many issues are in fact easy to remedy and have an immediate positive impact on mutation detection accuracy.