DiffInvex：解锁肿瘤进化密码，精准定位耐药与癌变关键基因

肿瘤治疗中，化疗耐药是一大难题。研究人员开展 DiffInvex 框架研究，分析超 11,000 个肿瘤全基因组序列，识别出 11 个与化疗药物相关的基因，还发现健康组织中的驱动基因。该研究为理解肿瘤进化、预测耐药提供依据。

　　在肿瘤的世界里，癌细胞就像一群不断进化的 “小怪兽”。随着时间推移，它们不仅变得越来越具有攻击性，还对化疗药物产生了耐药性，这让癌症治疗陷入了困境。目前，肿瘤治疗面临的一个重大挑战是，肿瘤细胞在化疗过程中会产生耐药性，导致治疗后复发。虽然大规模肿瘤分析研究提供了基因组突变信息，但化疗会改变背景突变率和特征，使得确定耐药驱动突变变得困难。为了解决这些问题，来自西班牙巴塞罗那生物医药研究所（Institute for Research in Biomedicine, IRB Barcelona）、丹麦哥本哈根大学健康与医学科学学院生物技术研究与创新中心（Biotech Research and Innovation Centre, BRIC）等机构的研究人员开展了一项重要研究。他们开发了 DiffInvex（Differential Introns Versus Exons）这一统计框架，用于量化癌症中的条件选择，研究成果发表在《Nature Communications》上。

研究人员为开展此项研究，运用了多种关键技术方法。首先是数据收集，从 9 个不同研究中收集了体细胞全基因组测序（WGS）突变数据，涵盖多种肿瘤类型和健康组织样本。然后通过筛选，去除低质量数据、缺失信息样本等。在分析中，利用 DiffInvex 框架，基于内含子等区域突变估计局部基线突变率，通过正则化泊松回归模型确定条件选择效应；还用 dNdES（ES：effectively synonymous）测试验证结果，并且在多个独立队列中进行复制验证。

下面来看具体的研究结果：

1. 比较预处理与未治疗患者的肿瘤全基因组测序数据：研究人员收集了 9953 个肿瘤样本的体细胞单核苷酸变异（SNV）突变数据，经过筛选，最终使用来自 29 种肿瘤类型的 8591 个样本进行分析。这些样本包括原发性和转移性肿瘤，且部分样本经过化疗预处理，部分为未治疗样本。同时，研究人员对预处理患者使用的药物进行分类，发现药物使用多样，多数患者接受联合治疗。
2. 控制治疗相关的肿瘤突变负担变化：研究发现，一些化疗会使肿瘤细胞突变负担增加，且治疗与外显子突变负担正相关。利用内含子等区域突变作为背景建模，可以有效补偿因药物治疗导致的乘客突变率偏差，这为后续 DiffInvex 框架的应用提供了重要基础。
3. DiffInvex 框架量化癌症中的条件选择：DiffInvex 框架基于内含子、非翻译区（UTR）和侧翼基因间区域突变估计局部基线突变率（LBMR），通过位点采样控制突变特征混杂，并过滤有问题的基因组区域。与基于协变量的方法相比，DiffInvex 的经验 LBMR 能更准确地解释外显子编码突变率的变化，在识别癌症驱动基因方面也具有较高准确性。
4. 通过 DiffInvex 分析识别化疗相关驱动基因：利用 DiffInvex 对大规模癌症 WGS 数据进行分析，研究人员识别出与药物耐药和敏感性相关的基因。通过联合分析控制混杂因素后，确认了一些已知的药物 - 基因关联，并发现了 11 个新的药物 - 基因关联。这些耐药基因多为已知的癌基因和肿瘤抑制基因，表明肿瘤耐药常通过积累一般驱动突变实现。
5. 方法的稳健性及与其他方法的比较：与 Coselens 和 cancereffectsizeR 方法相比，DiffInvex 报告的关联更具局限性但可信度更高。使用内含子突变率基线对 DiffInvex 至关重要，且该方法的结果受测序技术因素和突变克隆性影响较小。
6. 按癌症类型和先验知识对差异选择基因进行分类：研究人员根据关联测试结果和验证分析，将观察到的基因 - 药物 - 癌症类型组合分为 5 个层级。Tier 1a 包含已知的药物 - 基因突变关联；Tier 1b 重新定义了已知基因 - 药物关联的组织谱；Tier 2 是有统计支持的新基因 - 药物关联；Tier 3 则是证据有限的基因 - 药物关联。
7. 使用 dNdES 测试验证基因 - 药物关联：dNdES 测试通过比较非同义突变与 “有效同义” 突变频率，对 DiffInvex 识别的基因 - 药物关联进行验证。许多 DiffInvex 的关联在 dNdES 测试中得到验证，但也有部分因突变数量等原因未达显著水平。
8. 在独立队列中复制基因 - 药物关联：研究人员利用 MSK - CHORD 队列等独立研究的测序数据，对 DiffInvex 发现的基因 - 药物关联进行复制验证。结果显示，在多种肿瘤类型中，许多关联得到确认，进一步支持了 DiffInvex 的发现。
9. 在健康和癌组织基因组中联合分析驱动基因的选择压力：应用 DiffInvex 比较 1722 个健康体细胞和 2755 个匹配癌症类型的 WGS 数据，研究人员发现一些驱动基因在癌症组织中明显受到优先选择，而 NOTCH1、ARID1A 等 4 个基因在健康组织中受到显著正选择，但在癌症基因组中无显著差异正选择，表明这些基因可能与非癌性体细胞进化相关。

研究结论和讨论部分意义重大。DiffInvex 框架通过非编码突变建立准确突变风险基线，考虑了联合治疗的混杂因素，有助于识别潜在的耐药驱动突变。然而，该研究也存在局限性，如受统计能力限制，难以识别低频突变的耐药驱动基因，且无法模拟非编码突变、拷贝数改变和表观遗传变化等耐药机制。此外，负向条件选择关联较少，可能是由于检测能力有限或现有方法无法检测某些获得耐药性的机制。但总体而言，DiffInvex 在研究肿瘤进化和健康细胞向癌细胞转变过程中的选择变化方面具有重要价值，未来有望应用于更多场景，如比较癌前病变与肿瘤、多区域采样或单细胞 WGS 分析等，为理解体细胞进化和癌症治疗提供更多线索。