DORM数据库：基于全基因组/外显子组测序的癌症复发突变无偏倚分析平台

《iScience》：Database of recurrent mutations, an unbiased web resource to browse recurrent mutations in cancers

本研究针对现有癌症突变数据库存在的靶向测序偏差和样本重复问题，开发了DORM（复发突变数据库）这一开源网络资源。通过整合全基因组/外显子组测序数据并过滤非复发突变，研究发现突变复发频率与致癌性、抑癌功能丧失及患者不良预后显著相关。该平台为癌症生物标志物发现和临床变异评估提供了快速、无偏倚的分析工具。

　　

在精准医疗时代，癌症基因组学研究高度依赖突变数据库来识别驱动基因和临床生物标志物。然而，现有主流数据库如COSMIC、cBioPortal等存在三大固有缺陷：其一是靶向测序数据导致的覆盖偏差——临床常用检测面板往往只覆盖激酶结构域等热点区域，使得面板内突变频率被高估而面板外突变被低估；其二是样本重复问题，同一样本在不同研究或转录本映射中会产生重复记录，约占COSMIC总条目的71%；其三是用户手动选择数据集引入的主观偏差。这些问题可能导致临床决策和基础研究偏离正确方向。

为解决这些痛点，图尔库大学Klaus Elenius团队开发了DORM（Database of Recurrent Mutations）这一创新性网络资源。该研究通过系统性数据过滤策略，构建了首个专门针对全基因组/外显子组测序发现的复发突变数据库。值得注意的是，DORM在数据处理环节采用多重去冗余机制：

首先排除靶向测序数据，其次消除同一样本的重复记录，最后过滤掉61%的非同义单次突变。这种严格质控使得DORM能够更准确地反映突变在癌症群体中的真实复发频率。

关键技术方法包括：基于COSMIC v100基因组筛选用突变数据，使用MANE Select转录本进行标准化处理；采用并行化GZIP压缩技术优化数据读取效率；通过Shiny框架构建交互式网络界面；利用Google Lighthouse进行性能基准测试；整合TP53数据库和功能性筛选数据（iSCREAM）进行突变功能验证；基于MSK-CHORD和PCAWG队列进行生存分析。

网站设计实现高效浏览

DORM的用户界面经过精心优化，具备动态更新的条形图展示系统。左侧图表实时显示特定突变在人群中的累积频率，右侧展示选定组织中前25个高频突变基因的分布。搜索栏支持正则表达式高级查询，结果表格可直接复制至电子表格。特别值得一提的是"生成直接链接"功能，允许用户保存特定搜索参数并生成可共享的永久链接，极大便利了科研协作和数据复现。

有效消除突变频率估计偏差

通过对比DORM与COSMIC的突变频率估计值，研究揭示了靶向测序数据带来的显著偏差。例如JAK2 V⁶⁷¹F、EGFR L⁸⁵⁸R和GNAS R²⁰¹C/H等经典热点突变在包含靶向面板的数据集中频率被明显高估。

同时，样本选择偏差的影响在cBioPortal的不同数据集选择中也得到验证——针对EGFR激酶域常见突变的分析显示，不同研究选择会导致超过2.5倍的频率估计差异（p=0.0238），凸显了标准化数据处理的重要性。

突变复发与功能关联性验证

对TOP100高频突变的分析显示，TP53（21个变异，频率4,346）、KRAS（9个变异，频率3,287）和PIK3CA（6个变异，频率1,907）位居前列。其中BRAF V⁶⁰⁰E（频率1,515）是最常见突变。通过交叉引用功能性筛选数据，研究发现复发突变在致癌性筛选中显著富集——在EGFR、ERBB3和ERBB4中，复发突变和突变残基在功能性生长促进筛选中比例更高（p=0.0127）。

TP53数据库的进一步验证表明，复发突变更可能被预测为功能损害（p<0.0001）或经实验验证为功能丧失（p<0.0001），证实了复发频率与功能重要性之间的内在关联。

EGFR泛癌分析揭示新洞察

DORM在EGFR突变分析中展现出独特价值。与传统数据库主要关注激酶域突变不同，DORM发现L⁶²、A²⁸⁹、R⁵²¹等非激酶域突变的复发频率与经典激酶域突变相当甚至更高。

这一发现对临床检测面板设计具有重要启示——传统仅覆盖外显子18-21的检测策略可能遗漏大量具有临床意义的非激酶域突变。事实上，DORM识别的多个非激酶域突变已被证实与靶向治疗反应相关，包括两个与非小细胞肺癌治疗反应相关的突变和一个与胶质母细胞瘤相关的突变。

临床预后价值验证

生存分析显示，携带至少一个复发突变的患者总生存期显著差于仅携带独特突变的患者（MSK-CHORD和PCAWG队列均验证）。

值得注意的是，这种效应仅出现在癌基因和抑癌基因中，随机基因集中的复发突变无此关联，说明复发突变的预后价值具有基因特异性。TP53突变分析进一步证实，复发突变更可能与非良预后特征相关（p<0.0001）。

研究讨论部分指出，DORM虽然专注于替换突变且不包含拷贝数变异或基因融合信息，但其在速度和偏倚控制方面具有明显优势。与现有数据库相比，DORM是唯一支持氨基酸残基水平汇总、正则表达式搜索且完全免cookie追踪的资源。土耳其大学医院的临床反馈表明，DORM在肿瘤委员会讨论中已展现出辅助判断肿瘤起源、验证变异-诊断一致性的实用价值。

该研究的局限在于未考虑肿瘤纯度和亚克隆突变对频率估计的影响，且理论层面无法完全排除生物信息学假阳性的可能。然而，由于DORM仅收录复发突变，同一遗传区域出现重复假阳性的概率极低。未来随着单细胞基因组学数据积累，DORM的频率估计有望进一步精确。

总之，DORM通过创新性的数据过滤和优化算法，为癌症研究社区提供了快速、可靠的突变复发频率分析工具。其发现不仅挑战了传统靶向测序策略的完整性，还为理解突变复发与功能重要性之间的关系提供了新证据。该平台的开源特性（GitHub仓库可公开访问）确保了方法的可重复性和可扩展性，为癌症基因组学研究的透明化和标准化树立了新标杆。