《Nature Genetics》：Evolving patterns of co-mutations from tumor initiation to metastatic progression
编辑推荐：
表型正常的细胞常携带癌相关基因上的体细胞变异(somatic variant)，表明恶性转化(malignant transformation)需经若干改变的筛选。预测哪些突变组合或共突变(co-mutation)具有致癌能力，需识别发生频率显著高于或低于期望
表型正常的细胞常携带癌相关基因上的体细胞变异(somatic variant)，表明恶性转化(malignant transformation)需经若干改变的筛选。预测哪些突变组合或共突变(co-mutation)具有致癌能力，需识别发生频率显著高于或低于期望值者。然而，解决该问题的统计学框架受肿瘤异质性与数据可得性限制。本研究整理了来自119个亚型的>70,000例人类肿瘤的推定致癌突变(putative oncogenic mutation)，并设计了一种基于体外诱变模拟(in silico simulation of mutagenesis)的策略——SelectSim来搜索共突变。利用该数据集与工具，研究人员发现并跨独立人类队列验证了共突变，比较了不同肿瘤类型的共突变，并鉴定了转移进展的潜在危险因素。值得注意的是，在多个表型正常组织样本队列中，研究人员发现显著共现突变(co-occurring mutation)基本为癌症特异性且罕见于健康组织，为肿瘤发生(tumorigenesis)路径提供了线索。
本文是对发表于《Nature Genetics》的研究论文《Evolving patterns of co-mutations from tumor initiation to metastatic progression》的学术解读与总结。
研究背景：体细胞突变是癌症起始与演进的主要赋能机制之一，但即便是明确的癌相关变异(bona fide cancer-associated variant)也常在正常组织中检出，提示单一突变不足以驱动恶性转化，肿瘤通常需要多个致癌突变的协同作用。特定基因对间非随机的共现(co-occurrence)与共互斥(mutual exclusivity)模式反映了进化选择压力下的功能协同(synergistic)、冗余(redundant)或拮抗(antagonistic)关系。然而既往共突变检测受限于大样本需求、肿瘤异质性(tumor heterogeneity)、不同癌种/亚型突变率差异及异质突变过程(heterogeneous mutational processes)，且缺乏可同时校正上述混杂因素的高效统计框架，亦缺少跨独立队列验证及对正常组织共突变的系统探究。为此，研究人员开发了基于体外诱变模拟的SelectSim方法，整合>70,000例多中心肿瘤及正常组织数据，系统绘制人类癌症共突变图谱并探讨其肿瘤起源与转移预测价值。
主要关键技术方法：研究人员整合TCGA(The Cancer Genome Atlas)及AACR GENIE(Genomics Evidence Neoplasia Information Exchange)数据库中>70,000例肿瘤样本（MSKCC、DFCI等队列）及正常人膀胱上皮、皮肤、食管上皮样本，只保留OncoKB标注为致癌(Oncogenic)或可能致癌(Probably Oncogenic)的396个癌相关基因上的非同义突变构建二元突变矩阵(binary alteration matrix)；开发SelectSim算法——在零假设（各基因独立被选择）下依基因突变频率f(g)与样本相对肿瘤突变负荷TMB(tumor mutation burden) μ(t)通过拒绝—接受抽样(rejection-acceptance sampling, rcRAS)模拟突变矩阵，按肿瘤(亚)型分层计算期望共突变数，引入基于TMB的倒权重惩罚降低高TMB样本干扰，以加权效应量(weighted Effect Size, wES)归一化后经FDR(false discovery rate)控制判定显著共现或互斥；采用十次重抽样均衡原发与转移样本构成，用ElasticNet回归结合临床随访预测转移；正常组织分析以供体(donor)为协变量运行SelectSim。
研究结果：
In silico simulation of mutagenesis：SelectSim相比SELECT、DISCOVER、WeSME等方法在合成数据集上Precision与Recall更优(F1最高)，在TCGA肺腺癌(LUAD)中正确恢复KRAS–STK11等已知共现对被旧方法误判为互斥的情况；TMB加权策略消除高TMB导致的假阳性共现低估；显著共突变仅富集于OncoKB致癌错义突变而非同义突变或随机基因，表明检测到的共突变反映功能性进化选择而非中性噪声。
A co-mutation atlas across human cancers：在TCGA、MSK原发(MSK-P)、DFCI原发(DFCI-P)三队列中，保留至少两独立队列一致的显著共突变，获329个泛癌(pancancer)及439个瘤种特异性(tumor class-specific)独立验证共突变，其中72%互斥、28%共现。共突变具明显组织特异性(<25%在≥2瘤种显著)。绘制各癌种共突变基因集(co-mutated genesets)及进化轨迹(evolutionary trajectories)：如肺腺癌中非小细胞肺癌(NSCLC)中KRAS共现STK11、RBM10、NKX2-1(Loft)、GNAS而互斥EGFR/BRAF/MET/ERBB2，EGFR共现CTNNB1；膀胱癌中FGFR3–STAG2–KDM6A–PIK3CA共现轴互斥TP53–RB1共现轴；结直肠癌微卫星稳定(MSS)型APC–KRAS–PIK3CA–SMAD2/SMAD4/SOX9共现 vs 微卫星不稳定(MSI)型BRAF–RNF43/ZNRF3共现。部分共突变组合(如TP53–RB1/CDKN2A、KRAS–STK11/KEAP1、APC–KRAS、VHL–PBRM1/SETD2/BAP1)与患者预后显著相关。
Co-mutations as predictors of metastatic progression：均衡配对MSK原发与转移样本后，原发与转移共突变效应量差(ΔwES)显著大于随机混排对照，表明共突变模式在转移过程中演变。部分共突变呈转移特异性(M-specific)或原发特异性(P-specific)，如EGFR–RBM10在原发性肺腺癌中共现而在转移中互斥，EGFR–TP53在原发互斥而转移中共现。ElasticNet模型显示原发肿瘤中TP53–PIK3CA/TP53–GATA3共现正向预测乳腺癌转移发生及转移灶数目，PIK3CA–CBFB负向预测；肺腺癌KRAS–STK11/KRAS–KEAP1富集于转移且正向预测，EGFR–RBM10富集于原发且负向预测；肾透明细胞癌PBRM1–SETD2在不同子队列表现略有差异但总体共现正向预测转移，经多独立队列验证。
Co-mutations in phenotypically normal cells：分析正常人膀胱上皮(n=926, 15 donors)、皮肤(n=2580, 17 donors)、食管上皮(n=918, 12 donors)，SelectSim仅检出显著互斥无显著共现(单供体微弱信号除外)。虽正常尿路上皮携带膀胱癌常见癌基因变异(如KDM6A、STAG2、KMT2C/D)，但其预期共现模式在正常组织中不显著甚至呈互斥；癌患者中匹配肿瘤检出KMT2C–KMT2D共现或TP53–RB1共现，而正常区克隆扩增的致癌变异未见膀胱癌特征性共现组合，提示致癌共突变主要是恶性肿瘤特征且可能为恶性转化所必需。
讨论部分总结翻译：过去数十年已鉴定并分类大量肿瘤DNA突变，但这仅是解码肿瘤进化遗传基础的第一步——癌症是特定共突变在适宜细胞背景下协同作用的结果，理解促肿瘤进化的遗传与非遗传改变组合至关重要。本研究提出SelectSim框架高效稳健整合异质肿瘤队列，发现关联预后的共突变、未表征致癌变异、转移进展生物标志物及恶性转化线索。随临床测序数据增长与基因面板(panel)重叠扩大，有望精确估计各基因独立突变概率以推断共突变可能性。当前共突变分析仍受低突变频次基因的数据稀疏及只能扩至基因对(gene pair)层面限制；未来应整合拷贝数变异(CNA)、结构变异(SV)及转录/表观状态进行多模态(multimodal)分析以检验不同背景下共突变致癌能力。本研究发现显著共现致癌突变主要存在于肿瘤而非正常组织，扩大正常组织多模态共突变分析将帮助理解促成肿瘤发生的遗传与细胞环境。当前精准肿瘤学依赖遗传数据，发现共突变对理解并预判疾病进展及治疗反应至关重要，未来类似方法将借助多模态数据发现、表征并靶向致癌共改变(oncogenic systems of co-alterations)。
