【文章解读】时间维度多点取样揭示肿瘤进化复发的关键突变

文章题目： Mutations driving CLL and their evolution in progression and relapse

研究团队： Catherine J. Wu 等Broad研究院团队

发表时间：2015/10/22

期刊名称：Nature

影响因子：40.137

研究背景

前面，我们提到研究肿瘤进化有单点取样、多点取样和单细胞测序三大方法（【文章解读】单点取样揭示肿瘤异质性，【文章解读】非小细胞肺癌多区域测序克隆进化分析），其中多点取样又分为空间维度和时间维度，这次我们以复发前后两个时间点取样的白血病为例，来探讨白血病的进化过程。

样本选择

样本选择：

        538 个白血病人，238 个临床治疗前瞻性研究的白血病人（其中59个复发病人进行了复发时的再次取样）。

测序方法：

        WES

研究方法和结果

1. 常规的变异检测，得到SNV和INDEL.

2. 白血病driver 基因识别和显著性的染色体拷贝数变化，统称为driver 事件（图1）。

1. 538个病人，MutSig2CV软件，得到44个driver 基因，其中26个为新发现的潜在driver 基因，表明在提高样本量的前提下，能够在一定程度上发现突变频率相对较低的潜在driver 基因。

2. 同时，也发现了11个显著性拷贝数变化事件。



图1     driver 基因识别和显著性的染色体拷贝数变化

3. driver事件的异质性情况和对预后的影响（图2和图3）。

1. 利用ABSOLUTE软件分析了以上55个driver事件的克隆异质性情况，同时对于在278个临床治疗病人中突变频率在10%以上的driver事件，研究了其克隆性情况对生存预后的影响，最后发现SF3B1/TP53/RPS15三个基因跟生存率显著相关。



图2     driver事件的异质性情况



图3     driver事件的异质性情况对预后的影响

4. 推测driver 事件在白血病进化过程中的先后顺序（图4）。

1. 利用Papaemmanuil E、Wang J等人开发的算法^2，3（以后会细讲），该算法主要通过统计同一个病人某driver事件是主克隆而同时存在另外一个事件是亚克隆的情况，然后检验此事件是否显著早于发生于另一事件，最后在整个群体层面，相互依赖构建一个进化顺序。

2. 发现在白血病进化过程中，染色体异常如3号和11号染色体的长臂丢失，12号整条染色体的扩增先于TP53/ATM/KRAS等驱动基因突变而发生，表明染色体异常是白血病的早期事件，在一定程度上，驱动了白血病的进化，而驱动基因的突变往往作为后期事件影响白血病的进程。对于该理论，我们在之前的非小细胞肺癌的多区域测序研究中也得到类似的验证，可能染色体变化先于基因突变发生在肿瘤进化过程中是一个较为普遍的现象。



图4     driver 事件在白血病进化过程中的先后顺序

5. 研究关键driver事件在白血病复发过程中的进化现象（图5）。

1. 对278个临床治疗病人中出现复发的59个白血病病人进行二次取样，通过对以上的driver事件的两次cancer cell fraction 聚类发现，在白血病进化模型中起重要作用的12号染色体扩增，13染色体长臂丢失，ATM基因突变等driver 事件，在复发的样品中，均出现了不同程度的CCF显著上升或下降，表明这些事件在白血病复发过程中扮演重要角色，能够作为治疗抑制白血病复发的潜在靶向药物靶标。



图5     关键driver事件在白血病复发过程中的进化现象

讨论

该研究的研究思路：首先收集尽可能多的已发表或未发表的该肿瘤类型突变数据集，在大样本的情况下能够发现更多的driver突变事件，包括一些之前未能找到的潜在驱动突变事件，然后同样得益于大样本的优势，能减少单点取样带来的误差，在群体层面推测该肿瘤这些驱动突变事件的进化模型，最后若能在一个拥有临床随访信息的数据集上得到验证，就是一个较为不错的研究案例。

参考文献：

[1] Dan A. Landau,Eugen Tausch, et al.Mutations driving CLL and their evolution in progression and relapse[J].Nature, 2015, 526: 525-530.

[2] Papaemmanuil E, Gerstung M, Malcovati L, et al. Clinical and biological implications of driver mutations in myelodysplastic syndromes. Blood 2013; 122(22): 3616-27.

[3] Wang J, Khiabanian H, Rossi D, et al. Tumor evolutionary directed graphs and the history of chronic lymphocytic leukemia. Elife 2014; 3: e02869.