|
看似相同的肿瘤患者对治疗的反应可能会有很大的不同。众所周知，体细胞突变对药物疗效有很大影响，但是胚系突变对药物敏感性影响则少有研究。本研究首次系统阐述了先天的胚系突变与药物敏感性的关系。研究人员使用胚系突变和体细胞突变进行联合分析，用之前筛选来自993个细胞株和265种药物敏感性的数据。研究人员惊讶发现，胚系突变对药物敏感性变化的影响可能与体细胞突变引起的影响一样大或更大。有些甚至有直接关系。研究人员最后以最为显著的17-AAG应答作为例子，展示了胚系信息与转录数据的结合可以用来改善病人分层 、确定新的药物敏感性标记物 。 研究背景 癌症中个性化治疗的核心前提是根据肿瘤的分子特征来预测药物反应，从而为治疗决策提供信息。现在许多项目比如CTD（癌症靶向研究）、CCLE（癌症细胞系百科全书）等研究筛选了数百种来自多种癌症类型的细胞系，评估它们对不同化合物的敏感性（主要是靶向治疗）。通过将细胞系的分子特征与药物敏感性表型的相关联，来鉴定遗传和非遗传的生物标志物。 虽然越来越深入的分子特征分析有助于改善药物敏感性的预测，但遗传标记仍然是个性化治疗的核心。这是因为癌症亚型的特征在于肿瘤的突变谱，但也因为遗传变异数据在临床实践中最容易获得。以前的体外筛选分析主要集中在体细胞变异，相比之下，遗传的胚系变异与药物敏感性的相关性仍然很大程度上未知，同时某些研究发现胚系变异和体细胞突变都可解释药物敏感性的变化。本文中，研究人员发现，泛癌设计中两种变异的整合可以提供新的治疗方法，通过（i）改善药物敏感性预测（图 1a）和（ii）提供额外的药物效用胚系生物标记（图 1b）。这两种遗传信息在临床上可通过相同的测序实验同时获得，而且胚系遗传背景在患者的细胞中是稳定的。 图1 研究成果 1. 鉴定癌细胞系中的胚系变异 研究人员选取了GDSC筛选的最新数据，包括993种细胞系（来自30种癌症类型）的体细胞变异数据和265种药物化合物的药物敏感谱。研究人员重新分析了原始芯片数据以获取胚系变异。在此基础上，研究人员采用了统计学推算（imputation），并且评估了局部连锁不平衡，从而大大扩展了可能的胚系变异数据。 2. 预测胚系和体细胞变异的药物反应 研究人员分别使用体细胞突变，体细胞突变和胚系变异的组合来训练药物敏感性的多元线性回归模型（图 1a）。绿色部分代表联合模型较体细胞突变模型增加的药敏性关联。从图中可发现对于12种药物，与仅基于体细胞变异的模型相比，考虑胚系变异的模型显著改善了预测准确性。同时研究人员观察到该模型在所有药物中平均选择了44个胚系变异作为特征，这表明胚系对药敏性的响应是多基因的。在最引人注目的例子（17-AAG）中，两种变异的联合模型解释了5.1％的表型变异（r = 0.28），而只基于体细胞突变的模型预测仅达到随机水平（图 1a）。 为了比较胚系变异和其它分子数据的预测能力，研究人员还使用来自相同细胞系的基因表达谱数据联合体细胞突变数据训练模型。发现胚系变异对其中55种药物来说，比基因表达水平更具预测性。此外，基于DNA的生物标志物在临床中比基因表达谱数据更容易得到。这说明了胚系变异数据的适用性。 3. 药物应答的数量性状基因座 研究人员使用数量性状基因座（QTL）作图来检测与265种药物中每种药物反应的遗传关联点，同时使用了胚系变异或体细胞突变。发现78种药物具有至少一种显著的药物反应QTL，其中9种是胚系变异（图2a）。虽然全局来看，体细胞QTL比胚系QTL具有更大的效应大小（0.125、0.049，图 2b），但两种QTL类型在变异频率分层时表现出差不多的效应大小。 在达到显著性的9个胚系QTL的集合中，除了17-AAG 18的应答QTL之外，其他尚未被报道过。为了评估这些关联的有效性，研究人员分别筛选了CCLE和CTD 2中的数据进行重分析，发现这些都可被复制（P<>中的肿瘤抑制因子，并且它与黑色素瘤中转移和细胞增殖活动的减少有关。 图2 4. 17-AAG应答的胚系QTL的分子机制 17-AAG是观察到的最显著的胚系QTL应答药物，也是第一个达到临床试验步骤的HSP90抑制剂。虽然多个变异与17-AAG反应显著相关（图 3a），但先前的证据表明rs1800566是该关联的因果变异，这是人群中的常见变异（等位基因频率~30％，图 3f）。此变异先前已被确定为酶活性丧失，多个研究证明其作用于 NQO1的表达。 研究人员使用来自相同细胞系的基因表达数据进行联合分析，发现NQO1表达水平和胚系变异rs1800566之间的统计学关联，在任一CC或CT胚系背景的高表达水平都导致药物功效的增加（图 3b）。值得注意的是，这些因素没有关联，即并没有发现rs1800566影响NQO1表达水平的实际证据。相反，NQO1表达水平与细胞系起源组织强烈相关（图 3c）。总之，研究人员提出了一种机制，即NQO1的表达水平是17-AAG药物反应的主要决定因素，受胚系背景调节。 最后，研究人员探讨了如何改善患者分层。通过比较17-AAG与最近的HSP90抑制剂AUY922的药物敏感性（后者通过独立于NQO1的机制起作用），发现在TT胚系背景中，AUY922比17-AAG更有效，数据表明，如果NQO1高度表达，17-AAG在CC或CT胚系背景中与AUY922一样有效（图 3d）。值得注意的是，与匹配的对照组织相比，NQO1在癌细胞中经常过表达，这有可能被利用来指导NQO1靶向治疗。这些结果表明对胚系背景的计算对治疗成功至关重要。 图3 文章总结 本研究系统阐述了胚系遗传变异对癌细胞系药物反应的影响。发现体细胞突变和胚系变异的联合建模可以显著改善个性化药物功效的预测。通过比较胚系变异与基因表达谱的预测值，发现基因表达谱对药物反应的一些预测可以通过潜在的胚系效应来解释。 除了对药物敏感性的预测之外，本研究还确定了个体胚系变异与药物应答之间的关联，再现了先前已知的变异应答并鉴定了新的关联。尽管结果与大量已知的药物应答体内标志物一致，但仍存在无法重现的情况。这些差异有许多可能的解释，如体外模型的统计功效和局限性。值得注意的是，本研究基于泛癌分析，因此有可能遗漏组织特异性信号。更进一步的分析应为系统性组织特异性分析，但这也需要更大的样本量。 除了再现已知的关联外，本研究鉴定了9个重要的胚系QTL，其中大部分尚未报道过（图4）。该表可能提高对药物作用的理解。尽管使用独立的筛选数据成功再现了几种胚系突变和药物应答的关联，但由于胚系和体细胞变异只能在计算上区分，结果仍存在局限性。因此，确定的关联仍需要额外的体外和体内验证。 最后，本研究详述了17-AAG应答的胚系QTL，鉴定了胚系变异和影响17-AAG药敏性的NQO1表达之间的相互作用，并研究了组织特异性效应。可以预计系统地确定相互作用和组织特异性关联将为药物敏感性的个性化模型开辟新的方向。如今进行的使用原发性肿瘤的研究，特别是国际癌症基因组联盟（ICGC）和癌症基因组图谱（TCGA），开始提供所需的训练数据规模。可以预见，交互分析将成为充分利用这些数据集的强大工具。 图4 |
|
|
