NetFlow3D：绘制癌症体细胞突变多尺度功能图谱，解锁癌症奥秘新钥匙

癌症研究中，为解析体细胞突变驱动机制，研究人员开展 “NetFlow3D：整合蛋白质结构与网络拓扑的癌症体细胞突变多尺度功能图谱构建” 研究。他们构建 NetFlow3D 框架，发现更多 3D 簇和相关网络模块，对理解癌症机制、精准医疗意义重大。

　　在癌症的世界里，体细胞获得性突变就像隐藏在黑暗中的 “神秘杀手”，悄无声息地推动着肿瘤的发生发展。长久以来，科学家们都渴望揭开这些突变背后的神秘面纱，弄清楚它们是如何从改变基因组序列开始，一步步影响细胞的正常功能，最终导致癌症的。然而，探索的道路困难重重。一方面，虽然已经有不少计算方法能给突变的致病性打分，但要深入理解每个突变的作用机制，还远远不够。在 3D 蛋白质结构层面，以往的 3D 聚类算法存在诸多局限，比如只能分析实验测定的结构，或者只聚焦单个蛋白质，无法全面覆盖人类所有蛋白质的 3D 结构和已知蛋白质相互作用（PPI）的结合界面，这就使得许多潜在的重要突变信号被遗漏。另一方面，在 PPI 网络层面，虽然有方法能识别显著突变的子网，但这些方法和 3D 结构层面的研究成果大多不重叠，无法形成一个完整的拼图。因此，将这两个层面的研究整合起来，全面描绘癌症机制，成为了癌症研究领域亟待解决的关键问题。

为了攻克这些难题，来自康奈尔大学（Cornell University）的研究人员展开了一项极具意义的研究。他们构建了 NetFlow3D 这一统一的、端到端的 3D 结构信息指导的蛋白质相互作用网络传播框架，旨在绘制癌症体细胞突变的多尺度功能图谱，从原子、残基、蛋白质和网络等多个尺度揭示突变的作用机制。最终，他们成功绘制出多尺度功能图谱，发现了许多新的潜在驱动突变和与癌症相关的网络模块，为理解癌症生物学提供了新的视角，对癌症的诊断、治疗和预后评估具有重要意义。该研究成果发表在《Nature Communications》杂志上。

研究人员在这项研究中运用了多种关键技术方法。首先，他们收集并整合了大量数据，包括来自癌症基因组图谱（TCGA）和癌症体细胞突变目录（COSMIC）的体细胞突变数据、RNA - seq 数据等。接着，通过数据预处理，去除了种系变异、未表达基因中的突变等。然后，构建了人类蛋白质结构组（Human Protein Structurome），包含人类所有蛋白质的 3D 结构和已知 PPI 的结合界面信息。在此基础上，利用 3D 聚类算法识别突变的 3D 簇，结合背景突变率模型确定簇的显著性，并通过网络传播模型将 3D 聚类信号在 PPI 网络中传播，识别相互连接的模块。

研究结果主要包含以下几个方面：

• NetFlow3D 映射体细胞突变的多尺度功能：NetFlow3D 整合多层面信息，从原子分辨率的 3D 突变聚类，到关键蛋白质 / PPIs 的扰动，再到网络模块和细胞通路的失调，全面映射体细胞突变的功能影响。它通过 3D 聚类算法识别出框架内突变的空间簇，考虑基因组背景突变率和氨基酸残基物理接触等因素；利用热扩散模型在 PPI 网络中传播 3D 聚类信号，根据 3D 突变簇在 PPI 界面的情况赋予传播权重，识别相互连接的模块，还考虑了功能丧失（LOF）突变，将其富集信号纳入热扩散模型。
• 在人类蛋白质结构组中发现显著的蛋白质内和蛋白质间 3D 簇：对 TCGA 泛癌数据集中的体细胞框架内突变进行分析，NetFlow3D 识别出大量显著的蛋白质内和蛋白质间 3D 簇，其中许多是基于深度学习数据库的 3D 结构数据发现的。这些簇中的残基单独分析时大多不显示显著的复发性突变，但对催化残基有显著富集。与其他 3D 聚类算法相比，NetFlow3D 在识别已知癌症基因方面表现更优，具有更高的灵敏度和特异性。
• 3D 结构信息和 PPI 网络拓扑整合的重要性：NetFlow3D 将 3D 结构信息与 PPI 网络拓扑无缝整合，相比仅依赖单一信息的方法具有显著优势。在与仅使用 3D 蛋白质结构信息的方法对比中，NetFlow3D 识别的显著相互连接模块中已知癌症基因比例更高，且这些模块与既定生物学过程的一致性更强。与仅依赖 PPI 网络拓扑的方法相比，NetFlow3D 在统计能力上有显著提升，去除其整合 3D 结构信息的关键策略后，识别的相互连接模块包含的蛋白质数量大幅减少。
• NetFlow3D 识别的显著相互连接模块的生物学意义：对 NetFlow3D 识别的显著相互连接模块（NetFlow3D 模块）进行分析，发现其对已知癌症基因的富集水平与成熟癌症通路相当，且显著高于基因本体（GO）生物学过程。在突变模式分析中，NetFlow3D 模块和成熟癌症通路对特定突变类别都有明显的富集趋势，而 GO 生物学过程则不明显。此外，NetFlow3D 识别的突变与蛋白质丰度、细胞适应性显著相关，对患者生存也有显著影响，并且能揭示出许多未知的与癌症相关的蛋白质和模块。
• 泛癌体细胞突变的多尺度功能图谱：应用 NetFlow3D 到 TCGA 泛癌数据集，绘制出的多尺度功能图谱涵盖了广泛的细胞过程和功能，包括成熟癌症通路、新认识的通路和蛋白质复合物，以及在癌症中作用尚不明确的生物实体。该图谱不仅包含传统 PPI 网络分析可识别的成分，还包含结合多种数据或分析新发现的成分，以及 NetFlow3D 独特识别的成分，为理解癌症机制提供了更全面的视角。

在结论和讨论部分，NetFlow3D 有效地整合了 3D 蛋白质结构信息和 PPI 网络拓扑，为癌症研究带来了新的突破。它在识别潜在功能残基、3D 簇和显著相互连接模块方面表现卓越，揭示了许多以往未被充分理解的癌症生物学方面。此外，NetFlow3D 不仅适用于泛癌研究，也可用于特定癌症类型的研究，并且其核心原理还可扩展到理解各种疾病中的种系变异。然而，NetFlow3D 也存在一定的局限性，如受限于可用 3D 结构数据的质量，无法完全考虑所有类型的驱动突变。但随着技术的不断进步，这些问题有望得到解决，NetFlow3D 将在癌症研究和其他相关领域发挥更大的作用，为人类攻克癌症这一重大疾病提供有力的支持。