何詢，胡昊良

·綜述·

腫瘤基因組圖譜之泛癌圖譜

何詢，胡昊良

518057 深圳未名新鵬生物醫(yī)藥有限公司（何詢）；410000 長沙，湖南師范大學(xué)動物多肽藥物創(chuàng)制國家地方聯(lián)合工程實驗室（胡昊良）

根據(jù)腫瘤類型和病理過程不同，腫瘤治療的傳統(tǒng)方法主要包括手術(shù)、化療和放療等。腫瘤的靶向治療和免疫治療雖然具有更好的療效和更小的副作用，但目前其效果仍受到如腫瘤異質(zhì)性等多重因素的制約。有趣的是，不同組織和器官的腫瘤在分子水平上具有相似性，這種相似性甚至比同種腫瘤不同分型之間的相似性更大[1]。因此，這也為腫瘤的精準(zhǔn)治療提供了更多的可能性。美國國立衛(wèi)生研究院（NIH）資助的癌癥基因組圖譜（TCGA）之一的“泛癌圖譜”項目，意旨從分子特征的角度分析多種腫瘤類型。

最近，這項研究的最新成果為我們帶來了關(guān)于腫瘤研究的全新視野?？茖W(xué)家們對收集的 33 種腫瘤、10000 多個腫瘤病理樣本的癌癥基因組圖譜數(shù)據(jù)，以及對腫瘤的轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、甲基化組學(xué)、臨床數(shù)據(jù)進(jìn)行了全面綜合的分析，挖掘出其中的有效信息，成功繪制出泛癌圖譜（圖 1）。該圖譜針對人類癌癥發(fā)生的方式、地點和原因提供了全景視圖（主要包括腫瘤的細(xì)胞起源模式、致癌過程和信號通路），這為癌癥診斷和治療提供了新思路[2-4]。泛癌圖譜數(shù)據(jù)報告分為三大部分，26 篇科研論文分別發(fā)表在《細(xì)胞》及其旗下頂尖醫(yī)學(xué)雜志上。

1 癌癥的細(xì)胞起源模式

在腫瘤發(fā)展過程中，基因組突變的多樣性、信號通路和致癌過程的改變受到多種因素的影響，包括癌細(xì)胞的發(fā)展、分化和表觀遺傳調(diào)控。這也就造成我們認(rèn)為的同一種癌癥，可能在分子水平上具有很大的差異。隨著診療技術(shù)的不斷發(fā)展，傳統(tǒng)的組織病理學(xué)分析已經(jīng)不足以描述癌癥的類型。部分同種組織的不同類型腫瘤存在較大的異質(zhì)性，而組織學(xué)相關(guān)的癌癥類型之間卻存在分子相似性。泛癌圖譜根據(jù)分子特征對人類癌癥類型進(jìn)行了重新分類，為科研和臨床試驗設(shè)計帶來了新的見解。

研究者們采用一種名為 iCluster 的算法，對來自33 種腫瘤類型的 1.1 萬個腫瘤樣本的非整倍體、DNA 甲基化、mRNA、miRNA 和蛋白表達(dá)數(shù)據(jù)進(jìn)行的綜合聚類分析，揭示了不同癌癥類型之間的細(xì)胞起源是腫瘤分類的重要特征[4]。研究者將解剖學(xué)上的 33 種癌癥重新歸類為 28 種亞型，其中 2/3 的腫瘤亞型存在不同程度的異質(zhì)性；但針對某一種新腫瘤亞型，其中竟又包括了 25 種傳統(tǒng)解剖學(xué)意義上的癌癥[4]。因此，傳統(tǒng)的以組織學(xué)或解剖學(xué)來源的腫瘤分類應(yīng)以基于不同組織類型腫瘤之間的分子相似性分類作為補充。

圖 1 癌癥基因組圖譜（TCGA）-泛癌圖譜的工作規(guī)模和產(chǎn)出

同種癌癥有不同的分子特征，不同種癌癥卻具有同樣的分子特征，這可能會導(dǎo)向新的治療方案。Katherine A. Hoadley 說：“一直以來，腫瘤的位置是我們確定治療方案的主要依據(jù)，而這項研究對我們了解不同腫瘤類型之間的關(guān)系是有幫助的。如果腫瘤具有基因多樣性，那么我們應(yīng)該重新思考對待它們的方式?！睋?jù)研究者估計，以分子特征作為分類基準(zhǔn)，至少將會有 1/10 癌癥患者需要重新進(jìn)行腫瘤分類以及提供新的治療方案。

有 4 篇論文針對胃腸腺癌、乳腺癌、鱗狀細(xì)胞癌和腎細(xì)胞癌的分子特征進(jìn)行了深入的分析[5-8]。大多數(shù)異質(zhì)性的癌癥亞型類型屬于四種主要的細(xì)胞起源模式：泛胃腸型、泛婦科型、泛鱗狀細(xì)胞型和泛腎臟型。胃腸道腺癌可分為五種分子亞型[5]。其中，具有染色體不穩(wěn)定的（CIN）泛胃腸道腫瘤分子特征往往存在基因組片段化；而基因組穩(wěn)定的（GS）結(jié)直腸癌則存在 SOX9 和 PCBP1 特異性突變[6]。五種泛婦科腫瘤亞型包含了 16 個分子類型聚類[7]。其中兩種亞型顯示出激素受體（ERs，PR/AR）水平升高，這將為激素療法治療該亞型婦科腫瘤提供有力依據(jù)[7]。在五種鱗狀細(xì)胞癌的亞型中，泛鱗狀細(xì)胞癌（SCCs）具有與其他亞型不同的分子特征，并通過對遺傳和表觀改變的綜合分析對其進(jìn)行了重新的亞分類[8]。腎細(xì)胞癌（RCC）亞型的分子特征揭示，在三種腎細(xì)胞癌組織學(xué)亞型中存在相應(yīng)的體細(xì)胞突變，包括透明細(xì)胞癌（ccRCC）、乳頭狀細(xì)胞癌（PRCC）和嗜鉻細(xì)胞癌（ChRCC）。TP53 突變伴隨著 ccRCC 和 PRCC 患者的生存率降低；ccRCC 亞型往往存在 BAP1 突變；而 ChRCC 亞型與 PBRM1 和 PTEN 突變有明顯的相關(guān)性。而 CDKN2A 突變、DNA 高甲基化以及免疫相關(guān) Th2 基因的表達(dá)增加與各 RCC 亞型的生存率降低均存在相關(guān)性[8]。

此外，該圖譜另一篇研究則集中在：利用機(jī)器學(xué)習(xí)算法測定癌細(xì)胞的干細(xì)胞樣特征，以此鑒定可能的新靶點[9]。在癌癥的發(fā)展過程中，癌細(xì)胞會逐漸通過去分化獲得祖細(xì)胞和干細(xì)胞樣特征。研究者開發(fā)了一種對數(shù)回歸（OCLR）機(jī)器學(xué)習(xí)算法，通過對細(xì)胞轉(zhuǎn)錄組和表觀遺傳學(xué)特征的分析評估癌細(xì)胞去分化程度。研究者意外發(fā)現(xiàn)，癌細(xì)胞的去分化程度與 PD-L1 水平以及免疫微環(huán)境有關(guān)，而且轉(zhuǎn)移型癌細(xì)胞的去分化程度會更高[9]。

2 致癌過程

在長達(dá)半個世紀(jì)的“抗癌之戰(zhàn)”中，DNA 測序給預(yù)防和治療癌癥帶來了新希望，靶向突變的抑癌因子和融合蛋白以及靶向免疫應(yīng)答反應(yīng)等新型療法逐漸走進(jìn)視野。控制癌癥發(fā)展的致癌過程集中在染色體的非整倍體改變、剪接突變、生殖細(xì)胞和體細(xì)胞突變以及驅(qū)動基因融合。癌癥圖譜對致癌突變與基因、蛋白各分子層面的作用進(jìn)行了詳盡的分析，讓我們更清楚地“看見”癌癥如何生長。這部分內(nèi)容揭示了生殖細(xì)胞和體細(xì)胞突變在癌癥進(jìn)展中的作用，并論述了突變對細(xì)胞信號傳導(dǎo)和免疫細(xì)胞組成的影響。研究者們詳細(xì)論述了癌癥相關(guān)的數(shù)百種生殖細(xì)胞突變、融合基因、免疫組化模式、淋巴細(xì)胞浸潤模式、增強子活性、染色體非整倍體、長鏈非編碼 RNA（IncRNA）、剪接突變等分子特征與癌癥發(fā)展的關(guān)系[3]。

染色體水平的改變顯示出不同癌癥類型存在差異性的特征，如鱗狀細(xì)胞肺癌中會發(fā)生 3P 染色體缺失[10]。而在傳統(tǒng)的 33 種腫瘤類型中，發(fā)現(xiàn)了多達(dá) 1964 個剪接位點突變，這將直接導(dǎo)致某一腫瘤類型中出現(xiàn)多種選擇性的剪接位點突變[11]。癌癥中體細(xì)胞剪接因子基因（如 SF3B1、U2AF1 和 SRSF2）熱點突變導(dǎo)致的 RNA 剪接能力失調(diào)可能是腫瘤發(fā)生的一個重要標(biāo)志[12]。在許多易感基因（包括 BRCA1 和 BRCA2）突變中，生殖細(xì)胞突變的比例要高于體細(xì)胞突變[13]。這也強調(diào)了基因組的完整性在腫瘤易感性中起重要作用。基因融合能夠重新排列基因啟動子以增強致癌作用，并通常作為特定癌癥類型的診斷標(biāo)記，如融合慢性骨髓性白血病中 BCR 和 ABL1 基因發(fā)生融合[14]。在所有癌癥類型中，復(fù)發(fā)率最多的是前列腺腺癌 TMPRSS2-ERG 的基因融合，同時融合驅(qū)動因子也存在于特定的腫瘤亞型中（如肺腺癌的 ALK-EML4 融合）[15]。因此，這些復(fù)雜的相互作用過程表明，人們應(yīng)當(dāng)在更廣闊的視野下評估癌癥，這將導(dǎo)致臨床和科研的巨大變化。針對不同腫瘤類型進(jìn)行多組學(xué)聯(lián)合分析將成為科研的主流。

另外，腫瘤微環(huán)境（TME）和免疫組分的作用對腫瘤發(fā)展同樣至關(guān)重要。由于腫瘤自身的異質(zhì)性較強，不同免疫組分預(yù)后準(zhǔn)確性存在明顯差異。在絕大多數(shù)腫瘤類型中，T 輔助（CD4+）細(xì)胞亞型 TH1 細(xì)胞及其衍生的細(xì)胞因子（如干擾素-γ）都與良好的臨床結(jié)果緊密相關(guān)[16]。在多數(shù)浸潤型腫瘤的免疫細(xì)胞亞型中，CD8+細(xì)胞毒性 T 細(xì)胞對患者生存影響最大[17]。此外，記憶 T 細(xì)胞、TFH 細(xì)胞和 B 細(xì)胞均與生存時間的延長有關(guān)[18-20]。然而，所有腫瘤內(nèi)的髓樣來源抑制細(xì)胞（MDSC）存在有效的免疫抑制能力，能夠促進(jìn)癌癥的進(jìn)展、轉(zhuǎn)移和擴(kuò)散[21]。嗜中性粒細(xì)胞則是與預(yù)后不良最為相關(guān)的免疫細(xì)胞亞群[22]。因此，對特定免疫成分的預(yù)后和預(yù)測能力需要評估多個免疫參數(shù)及其組合，這將是一種更準(zhǔn)確的評估手段[23]。

3 致癌的信號通路

控制細(xì)胞生長、凋亡和細(xì)胞周期的信號通路改變是癌癥發(fā)生的常見標(biāo)志。而信號通路在不同腫瘤類型的改變頻率和共同激活頻率是存在差異的，其中包含著復(fù)雜的相互作用和通路間的相互串?dāng)_。某些關(guān)鍵信號通路（如 RTK-RAS 信號），在不同類型的癌癥中經(jīng)常發(fā)生改變，而其他通路則只在某些惡性腫瘤亞型中發(fā)生改變，例如：鱗狀組織中氧化應(yīng)激反應(yīng)通路會反復(fù)改變[24]。泛癌圖譜對不同癌癥中信號通路的改變程度和機(jī)制進(jìn)行了深入分析，揭示了這些過程在不同癌癥中的相似性和差異性[2]。該研究總結(jié)出在 33 種癌癥中基因頻繁發(fā)生變化的 10 條經(jīng)典通路，包括細(xì)胞周期、Hippo、Myc、Notch、Nrf2、PI3K、RTK-RAS、TGF、p53 和 Wnt 通路。這將有助于開發(fā)新的聯(lián)合療法和個性化治療[2]。

研究者對 9125 個腫瘤樣本中的突變、拷貝數(shù)、mRNA、基因融合和表觀遺傳數(shù)據(jù)進(jìn)行綜合分析，探索了其中基因突變的模式和機(jī)制。在所有癌癥類型中，RTK-RAS 通路是變化頻率最高的信號通路（46%），其次是細(xì)胞周期通路（45%）和 PI3K 通路（33%）[2]。黑色素瘤是 RTK-RAS 通路變化頻率最高（94%）的腫瘤亞型。有趣的是，一些通路（如細(xì)胞周期通路、PI3K 通路）的變化分布在多個基因上，而其他通路（如 Wnt、Myc 和 Nrf2 通路）的改變只影響少數(shù)一兩個基因。

闡明不同腫瘤亞型之間通路改變的協(xié)作性和排斥性與潛在的治療意義密切相關(guān)。根據(jù)通路變化的情況，研究者把 33 種癌癥分為 64 種亞型，準(zhǔn)確闡明了不同腫瘤亞型之間信號通路變化的協(xié)作性和排斥性。研究者發(fā)現(xiàn)，89% 的腫瘤在上述 10 種典型通路中至少有一種通路發(fā)生改變。而且根據(jù)現(xiàn)有的靶向藥物治療方案，至少 57% 的腫瘤能夠得到一種有效的靶向藥物治療（如 BRCA1/2 和 IDH1/2），30% 的腫瘤（如MSI 和 POLE 亞型）則存在兩種或兩種以上的靶向藥物治療的可能性，這也很可能為腫瘤患者帶來新的聯(lián)合治療方案[2]。比如說，聯(lián)合使用 CDK4和 MDM2 抑制劑，通過頻繁的放大（78%）CDK4 和 MDM2 兩個靶點的信號，而在去分化脂肉瘤中起到協(xié)同作用[25]。

4 總結(jié)

泛癌圖譜是一份大型的、系統(tǒng)性的研究報告，有許多新穎的發(fā)現(xiàn)和顛覆性的突破。新的泛癌圖譜基于分子相似性對人類腫瘤類型進(jìn)行了重新分類；揭示了致癌過程中的復(fù)雜環(huán)境；闡明了致癌信號通路中基因突變的機(jī)制和協(xié)同性。更有助于準(zhǔn)確選擇個體化藥物和更加綜合全面的治療方案。泛癌癥圖譜也揭示了不同腫瘤類型的共同細(xì)胞起源，為癌癥的臨床診斷和靶向治療提供重要的參考。此外，泛癌圖譜數(shù)據(jù)庫公開的數(shù)據(jù)更加方便了科研、醫(yī)務(wù)人員對原始數(shù)據(jù)進(jìn)行多角度、多層次的分析，為更多創(chuàng)新型科研成果的產(chǎn)出提供可能。

[1] The Cancer Genome Atlas Research Network. Integrated genomic characterization of oesophageal carcinoma. Nature, 2017, 541(7636): 169-175.

[2] Sanchez-Vega F, Mina M, Armenia J, et al. Oncogenic signaling pathways in the cancer genome atlas. Cell, 2018, 173(2):321-337, e10.

[3] Ding L, Bailey MH, Porta-Pardo E, et al. Perspective on oncogenic processes at the end of the beginning of cancer genomics. Cell, 2018, 173(2):305-320, e10.

[4] Hoadley KA, Yau C, Hinoue T, et al. Cell-of-origin patterns dominate the molecular classification of 10,000 tumors from 33 types of cancer. Cell, 2018, 173(2):291-304, e6.

[5] Ricketts CJ, De Cubas AA, Fan H, et al. The cancer genome atlas comprehensive molecular characterization of renal cell carcinoma. Cell Rep, 2018, 23(1):313-326, e5.

[6] Liu Y, Sethi NS, Hinoue T, et al. Comparative molecular analysis of gastrointestinal adenocarcinomas. Cancer Cell, 2018, 33(4):721-735, e8.

[7] Berger AC, Korkut A, Kanchi RS, et al. A comprehensive pan-cancer molecular study of gynecologic and breast cancers. Cancer Cell, 2018, 33(4):690-705, e9.

[8] Campbell JD, Yau C, Bowlby R, et al. Genomic, pathway network, and immunologic features distinguishing squamous carcinomas. Cell Rep, 2018, 23(1):194-212, e6.

[9] Malta TM, Sokolov A, Gentles AJ, et al. Machine learning identifies stemness features associated with oncogenic dedifferentiation. Cell, 2018, 173(2):338-354, e5.

[10] Taylor AM, Shih J, Ha G, et al. Genomic and functional approaches to understanding cancer aneuploidy. Cancer Cell, 2018, 33(4):676-689, e3.

[11] Jayasinghe RG, Cao S, Gao Q, et al. Systematic analysis of splice-site- creating mutations in cancer. Cell Rep, 2018, 23(1):270-281, e3.

[12] Seiler M, Peng S, Agrawal AA, et al. Somatic mutational landscape of splicing factor genes and their functional consequences across 33 cancer types. Cell Rep, 2018, 23(1):282-296, e4.

[13] Huang KL, Mashl RJ, Wu Y, et al. Pathogenic germline variants in 10,389 adult cancers. Cell, 2018, 173(2):355-370, e4.

[14] Cilloni D, Saglio G. Molecular pathways: BCR-ABL. Clin Cancer Res, 2012, 18(4):930-937.

[15] Gao Q, Liang WW, Foltz SM, et al. Driver fusions and their implications in the development and treatment of human cancers. Cell Rep, 2018, 23(1):227-238, e3.

[16] Fridman WH, Zitvogel L, Sautès-Fridman C, et al. The immune contexture in cancer prognosis and treatment. Nat Rev Clin Oncol, 2017, 14(12):717-734.

[17] Petitprez F, Fossati N, Vano Y, et al. PD-L1 expression and CD8(+) T-cell infiltrate are associated with clinical progression in patients with node-positive prostate cancer. Eur Urol Focus, 2019, 5(2):192-196.

[18] Yuen GJ, Demissie E, Pillai S. B lymphocytes and cancer: a love-hate relationship. Trends Cancer, 2016, 2(12):747-757.

[19] Vinuesa CG, Linterman MA, Yu D, et al. Follicular helper T cells. Annu Rev Immunol, 2016, 34:335-368.

[20] Pagès F, Berger A, Camus M, et al. Effector memory T cells, early metastasis, and survival in colorectal cancer. New Engl J Med, 2005, 353(25):2654-2666.

[21] Anani W, Shurin MR. Targeting myeloid-derived suppressor cells in cancer. Adv Exp Med Biol, 2017, 1036:105-128.

[22] Gentles AJ, Newman AM, Liu CL, et al. The prognostic landscape of genes and infiltrating immune cells across human cancers. Nat Med, 2015, 21(8):938-945.

[23] Bruni D, Angell HK, Galon J. The immune contexture and immunoscore in cancer prognosis and therapeutic efficacy. Nat Rev Cancer, 2020. Online ahead of print.

[24] Cancer Genome Atlas Network. Comprehensive genomic characterization of head and neck squamous cell carcinomas. Nature, 2015, 517(7536):576-582.

[25] Laroche-Clary A, Chaire V, Algeo MP, et al. Combined targeting of MDM2 and CDK4 is synergistic in dedifferentiated liposarcomas. J Hematol Oncol, 2017, 10(1):123.

10.3969/j.issn.1673-713X.2020.06.013

何詢，Email：hexun168@sina.com

2020-09-27