《Nature Genetics》：Gene mutant dosage is associated with prognosis and metastatic tropism in 60,000 clinical cancer samples
编辑推荐：
体细胞突变与拷贝数变异之间的相互作用影响肿瘤进化和预后。这些变异常被独立处理，忽略了基因突变剂量（GMD）——它们相互作用的一个关键属性。在此，研究人员开发了一个计算框架，可从靶向测序面板推断突变拷贝数和多重性，无需匹配正常样本。研究人员推导了60,000个泛
体细胞突变与拷贝数变异之间的相互作用影响肿瘤进化和预后。这些变异常被独立处理，忽略了基因突变剂量（GMD）——它们相互作用的一个关键属性。在此，研究人员开发了一个计算框架，可从靶向测序面板推断突变拷贝数和多重性，无需匹配正常样本。研究人员推导了60,000个泛癌样本中超过500,000个突变的GMD。通过根据多个基因的GMD对超过20,000名患者进行分层，研究人员识别出46个预测生存的肿瘤类型特异性生物标志物，其中13个无法使用二元突变/野生型模型检测到，26个与转移扩散相关，20个预测转移趋向性。该方法揭示了GMD模式作为疾病预后、转移潜能和不同肿瘤类型中位点特异性播散的独立预测因子。这种对基因组驱动因素的增强理解加深了研究人员对癌症进展和转移的认识，并具有显著增强生物标志物发现的潜力。
癌症发生是多步骤过程，涉及体细胞突变和拷贝数变异（CNA）的积累。当前生物标志物检测通常独立处理突变和CNA，忽略了基因突变剂量（GMD）——即突变在基因组中的拷贝数——这一关键相互作用属性。尽管已有研究提示GMD在胰腺癌中的预后价值，但大规模临床样本中GMD的整合分析仍属空白。为此，研究人员开发了INCOMMON，一个开源贝叶斯推断工具，用于从肿瘤仅靶向测序数据中推断突变拷贝数和多重性，无需匹配正常样本。该研究应用于纪念斯隆凯特琳癌症中心-转移事件与趋向性（MSK-MET）队列（n=21,937）和AACR GENIE-DFCI v.13.0队列（n=33,511），共约60,000例样本，覆盖39种主要实体瘤类型。通过分析超过500,000个突变的GMD，研究人员识别出46个肿瘤类型特异性预后生物标志物、26个与转移扩散相关的标志物以及20个预测转移趋向性的标志物，其中13个预后标志物无法被传统二元突变/野生型模型检测到。研究证实GMD是独立于肿瘤突变负荷（TMB）和基因组改变分数（FGA）的预后预测因子，并揭示了GMD在器官特异性转移中的关键作用。该论文发表在《Nature Genetics》。
**主要关键的技术方法**
研究人员开发了INCOMMON贝叶斯模型，利用来自泛癌全基因组分析（PCAWG）和哈特维希医学基金会（HMF）队列的463,000个突变先验分布，从靶向测序读段计数数据推断突变拷贝数（k）和多重性（m），并计算等位基因突变分数（FAM）。通过马尔可夫链蒙特卡洛采样估计后验分布，使用后验预测检查（PPC）评估模型拟合。样本队列来自MSK-MET（约22,000例，原发和转移样本）和GENIE-DFCI（约33,000例）。方法无需原始测序数据或匹配正常样本，支持大规模临床实施。
**The INCOMMON mutation CN caller**
研究人员通过INCOMMON对突变进行拷贝数和多重性推断。在交叉验证中（n=6,492样本，46种肿瘤类型），78.6%的k预测和96.4%的m预测误差在±1拷贝内，与FACETS结果一致性良好。该方法中位运行时间42秒，内存占用90.6 MB，适用于大规模分析。
**Prognostic effect of GMD across 20,000 cancers**
对21,937例MSK-MET样本分析，单变量检验发现16个显著关联（FDR校正P≤0.1），多变量Cox模型调整性别、年龄、样本类型、TMB和FGA后，识别出24个独立预后因素（11个基因和3个热点突变），高GMD与较差预后相关（如KRAS G12突变在胰腺癌中HR=3.19，PIK3CA在HR+HER2-乳腺癌中HR=1.36）。13个关联无法用二元模型检测，表明GMD提供超越突变状态的预后信息。
**GMD predicts metastatic propensity and tropism**
比较原发（n=13,216）和转移（n=8,721）样本，发现95个基因和21个热点的GMD分布显著差异（Fisher精确检验，FDR校正P≤0.1），高GMD富集于转移灶（如TP53在微卫星稳定结直肠癌中标准化残差r=8.52）。多变量逻辑回归确认17个GMD相关转移倾向标志物，高GMD增加转移风险（如EGFR在KRAS野生型肺腺癌中OR=4.42）。进一步多类别回归分析器官趋向性，发现33个GMD相关模式，包括CDH1高GMD与卵巢转移（OR=9.58）、KRAS高GMD与中枢神经系统转移（OR=4.64）等关联。
**讨论与结论**
讨论部分指出，INCOMMON的优势在于利用WGS先验直接从肿瘤仅靶向测序数据推断GMD，避免了依赖原始数据。GMD作为独立预后和转移预测因子，超越了传统二元分类，特别是在RAS/RAF通路中，高GMD与不良结局一致相关。研究局限性包括先验需持续更新、亚克隆检测困难以及回顾性设计需前瞻性验证。研究结论部分翻译如下：总之，这项研究推进了癌症基因组学的关键方面，并将INCOMMON呈现为一种变革性工具，用于解读临床靶向测序。研究人员的发现为未来研究和临床转化奠定了坚实基础，既有助于个性化癌症治疗，也有助于更深入地理解基因组变异背后的生物学复杂性。这些见解的临床相关性强调了它们改善患者护理的潜力。
