首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >【生信文献200篇】25 2433个乳腺癌患者的173个基因的突变全景图

【生信文献200篇】25 2433个乳腺癌患者的173个基因的突变全景图

作者头像
生信菜鸟团
发布于 2021-04-29 11:32:16
发布于 2021-04-29 11:32:16
1.5K0
举报
文章被收录于专栏:生信菜鸟团生信菜鸟团

0 文章信息

英文标题:The somatic mutation profiles of 2,433 breast cancers refine their genomic and transcriptomic landscapes

中文标题:2433例乳腺癌的体细胞突变概况改进了它们的基因组和转录组学图景

期刊:《Nat Commun》

影响因子:12.121 发表时间:2016-05-10

研究领域:体细胞突变 乳腺癌

DOI号: 10.1038/ncomms11479

1 总述

研究人员对2433例具有拷贝数畸变(CNA)、基因表达和长期临床随访数据的原发性乳腺癌患者的173个基因进行测序。确定了40个突变驱动基因(Mut-driver),并且确定了mutations,driver CNA profiles,clinical-pathological parameters 和生存率之间的关系。研究人员评估Mut-driver突变的克隆状态,并使用突变等位基因分数估计肿瘤内异质性水平。

结果发现,PIK3CA突变与ER-positive的三个亚组(17q23、11q13-14或8q24扩增)中生存率降低之间的相关性。高水平的肿瘤内异质性通常与较差的预后相关,但研究人员发现11q13-14扩增的高侵袭性肿瘤具有较低水平的肿瘤内异质性。

2 背景

乳腺癌的临床描述:

  • 形态学评估:size、grade、lymph node status(淋巴结状态);
  • 雌激素受体ER和人表皮生长因子受体HER2;

乳腺癌具有患者间与同一患者肿瘤内的基因组变异性。以患者间的异源性分类早期乳腺癌生物亚型,现在临床对乳腺癌患者通常是观察 morphological assessment (size, grade, lymph node status) ,或者检查,ER,PR,HER2 等marker,目前的亚型主要是以下:

  • 管腔A型(luminal A)
  • 管腔B型(luminal B)
  • 类正常乳腺型(normal breast-like)
  • HER-2型
  • 基底细胞样(basal-like)乳腺癌。

Pereiral等通过测序2433例乳腺癌样本的173个基因,发现40个肿瘤抑制基因和癌基因的驱动基因(多重驱动),这些基因参与的生物学过程包括:

  • AKT信号
  • 细胞周期调节
  • 染色质功能
  • DNA损伤与凋亡
  • MAPK信号
  • 组织架构
  • 转录调节
  • 泛素化

并且发现ER+乳腺癌患者PI3K突变与不同的生存相关。

3 主要流程

performed an integrated analysis of somatic copy number aberrations (CNAs) and gene expression profiles in 2,000 primary tumours (METABRIC)

原始数据:EGAS00001001753(需要申请才可下载)

METABRIC,国际乳腺癌协会的分子分类数据库(Molecular Taxonomy of Breast Cancer International Consortium) ,将基因数据(基因表达的数目和基因表达变异)与长期的临床结果相结合。

测序及数据处理分析方法:

测序:Illumina

校准和质控:The sequenced reads were aligned with Novoalign, and the resulting BAM files were preprocessed using the GATK Toolkit. Sequencing quality statistics were obtained using the GATK’s DepthOfCoverage tool and Picard’s CalculateHsMetrics.

质控要求:Samples were excluded if <25% of the targeted bases were covered at a minimum coverage of 50×.

突变过滤策略

值得注意的是:All reads with a mapping quality < 70 were removed prior to calling.

其它策略包括:

  • Based on our analysis of replicates, SNVs with MuTect quality scores <6.95 were removed.
  • We removed those variants that overlapped with repetitive regions
  • Fisher’s exact test was used to identify variants exhibiting read direction bias
  • SNVs present at VAFs smaller than 0.1 or at loci covered by fewer than 10 reads were removed, unless they were also present and confirmed somatic in the Catalogue of Somatic Mutations in Cancer (COSMIC).
  • 删除那些在千人基因组计划的任意人群(AMR, ASN, AFR) 里面频率大于1%的变异位点。
  • We used the normal samples in our data set (normal pool) to control for both sequencing noise and germline variants, and removed any SNV observed in the normal pool (at a VAF of at least 0.1).

4 结果

4.1 The mutation landscape of 173 genes in 2,433 breast tumours.

2433例乳腺肿瘤中173个基因的突变情况

研究人员对2433例原发性乳腺癌中173个基因的外显子进行了测序,共鉴定了32,476个体细胞突变,其中有13,084个预计会影响蛋白序列。

突变仍然是以 PIK3CA (coding mutations in 40.1% of the samples) and TP53 (35.4%) 为主。

其次就只有5个基因突变超过10%的样本了,分别是:MUC16 (16.8%); AHNAK2 (16.2%); SYNE1 (12.0%); KMT2C (also known as MLL3; 11.4%) and GATA3 (11.1%) ,但是MUC16 本身的背景噪音太大,不适合二代测序。

病理性的germline突变情况:

  • BRCA1 and BRCA2 were identified in 1.36% and 1.64% of the cohort, respectively
  • 2.22% of tumours harboured pathogenic CHEK2 germline mutations.
  • TP53 pathogenic germline mutations were found in 0.82% of the tumours.

4.2 A ratiometric method identifies 40 Mut-driver genes.

比率测定法鉴定了40个Mut-driver基因

研究人员使用 Vogelstein et al 提出的方法寻找mut-driver基因。该方法来源于观察特征明确的驱动基因的突变模式,并根据其所包含的复发(recurrent)突变或失活(inactivating)突变的比例识别候选致癌基因和肿瘤抑制基因。其中recurrent突变包括:nonsynonymous SNVs,in-frame indels,oncogene score (ONC) ;而inactivating突变包括:frameshift indels,nonsense SNVs,splice site mutations,tumour suppressor gene score (TSG) 。

研究人员经过探索确定:genes with an ONC score of at least 20% that also had a TSG score of at least 5% were classified as tumour suppressors。

结合ER状态,研究人员确定了40个Mut-driver基因。

研究人员还分析了影响Mut-driver基因的 copy number alterations (CNAs):

注:loss of heterozygosity (LOH), homozygous deletions (HDs)

4.3 HDs identify candidate tumour suppressor genes

HDs可以识别候选的肿瘤抑制基因

在这40个基因中,有8个使用上述比率计量方法被独立鉴定为mut驱动肿瘤抑制基因:

  • FOXO3, CTNNA1, FOXP1, MEN1, CHEK2在ER+肿瘤中;
  • CDKN2A, KDM6A和MLLT4在ER+和ER-肿瘤中的作用。

其余32个基因中有30个基因至少包含1个未激活突变,其中两个基因与免疫功能相关。

4.4 Associations with clinical and pathological parameters

与临床和病理参数的相关性

研究人员使用多变量逻辑回归(multivariable logistic regression) 模型判断Mut-driver基因突变与临床病理参数之间的关联。

只需要关注功能性突变,即对癌基因或肿瘤抑制基因的ONC(复发突变)或TSG(失活突变)评分分别有影响的突变。

研究人员认为 HER2 status 是乳腺癌临床治疗的关键参数,但HER2+肿瘤的突变特征又因ER状态而改变。

  • 由图S7可知,TP53和GATA3在HER2+/ER+和HER2+/ER-中的突变情况不同;
  • 但PIK3CA突变发生率相似:HER2+/ER+(29.5%),HER2+/ER-(30.1%),HER2-/ER+(46.5%),所以研究人员认为PIK3CA突变可能在HER2+背景下具有独立的驱动特性,并与抗HER2疗法的耐药性有关。

五种组织学类型的肿瘤中功能基因突变的相对频率:

4.5 Associations between somatic alterations

体细胞变化之间的联系

为了探索共同突变和互斥的关系,研究人员使用Fisher's exact检验了体细胞突变之间关联

研究人员还探索了GISTIC识别的突变和复发性CNAs之间的联系,大多数肿瘤抑制基因显示 classic mutation/LOH associations

  • 上图:GISTIC2识别出的显著重复拷贝数畸变(CNAs)显示了整个基因组,以及受特定CNA影响的样本百分比。
  • 下图:显示与CNAs相关的mut驱动基因突变。

4.6 Landscape of Mut-driver mutations across the IntClusts

根据IntClust展示Mut-driver突变的全局图

研究人员根据之前的IntClusts分类检查突变情况:

为了确定IntClust和驱动基因突变之间的相互作用,研究人员在至少一个基因突变中,寻找在肿瘤显著较高或较低比例中突变的Mut-driver基因。根据FDR = 0.01 筛选出9个基因。

IntClust分类的关键特征之一是ER+肿瘤的分层:

因此,研究人员探讨了IntClusts的ER+中Mut-driver基因突变的分布:

最后,研究人员将40个Mut-driver基因分到通路中,如果通路中至少有1个基因受到突变或CNA的影响,则将肿瘤标记为通路改变。

4.7 Clonal states of Mut-driver genes

Mut-driver基因的克隆状态

研究人员使用variant allele fractions (VAF) 和拷贝数数据来获取包含突变的癌细胞比例的估值。结果发现Mut-driver基因中功能突变的癌细胞几乎出现在肿瘤细胞中,并且可能在肿瘤进化早期发生。图5c显示了单个肿瘤中CCF的分布概率。

4.8 Prognostic associations of mutations in Mut-driver genes

Mut-driver基因突变的预后相关性

为了分析Mut-driver基因功能突变与乳腺癌特异性生存(BCSS)之间的关系,研究人员分别构建了ER+和ER-肿瘤的多变量Cox比例风险模型,考虑了患者年龄、肿瘤分级、大小和淋巴结状态的影响。

研究人员设定突变的预后作用可能受到CNA背景的影响。所以,研究人员在通过IntClust对肿瘤分层后分析突变和BCSS之间的关系。

之后,研究人员构建了带有交互作用项的单变量Cox模型来分析PIK3CA突变在每个IntClust群中的影响。

4.9 Intra-tumour heterogeneity across the IntClusts

根据IntClusts判断肿瘤内的异质性

研究人员基于肿瘤中所有VAFs的变化使用先前建立的突变等位肿瘤异质性(MATH,mutant-allele tumour heterogeneity)评分。从该分析中排除了小于5个体细胞突变的样本,并分别计算了ER+和ER-肿瘤的分数。结果表明ER+显著低于ER-。则MATH分数越高,ER+状态越差。

图7c描述了肿瘤内异质性和染色体不稳定性之间的关系。

5 延伸

5.1 METABRIC计划

The METABRIC project was funded by Cancer Research UK, the British Columbia Cancer Foundation and Canadian Breast Cancer Foundation BC/Yukon.

METABRIC(乳腺癌国际联盟的分子分类学)是加拿大-英国的一个项目,旨在根据有助于确定最佳治疗方案的分子特征,将乳腺癌分类为其他子类别。目前已根据肿瘤的基因将乳腺癌分为10类。

https://www.ebi.ac.uk/ega/datasets/EGAD00010000162 没有权限下载

5.2 突变

突变根据来源可分为生殖细胞(胚系)突变/体细胞突变/新发突变。其中体细胞突变,又称获得性突变,部分细胞在某个时间发生突变,不遗传给下一代,常见的体细胞突变即肿瘤。

突变类型:
碱基水平的变异
  • SNV:单核苷酸突变,即某个位置的单个碱基的变异;
    • 错义突变:指编码某种氨基酸的密码子经碱基替换以后,变成编码另一种氨基酸的密码子,从而使多肽链的氨基酸种类和序列发生改变。
    • 同义突变:指碱基被替换之后,产生了新的密码子,但由于生物的遗传密码子存在简并现象,新旧密码子仍是同义密码子,所编码的氨基酸种类保持不变,因此同义突变并不产生突变效应。
    • 无义突变。指由于某个碱基的改变使代表某种氨基酸的密码子突变为终止密码子,从而使肽链合成提前终止。这类突变导致蛋白质缩短,其可能影响蛋白功能或完全破坏蛋白功能。(UAG,UAA,UGA是终止密码子)
  • InDel:插入缺失;
    • 插入:插入一段DNA序列;
    • 缺失:指缺少一段DNA,减少了DNA碱基的数目。缺失范围可以从一个或几个碱基对,到整个基因或几个相邻的基因。
      • 动态突变:由DNA分子中某些短串联重复序列,尤其是基因编码序列或侧翼序列的三核苷酸重复扩增所引起。且重复次数会随着世代交替的传递而呈现逐代递增的累加突变效应。
      • 移码突变:在正常的DNA分子中,碱基缺失或增加非3的倍数,造成这位置之后的一系列编码发生移位错误的改变,这种现象称移码突变。所得蛋白质通常是无功能的。插入,缺失和重复都可以是移码突变。
染色体水平的变异
  • 染色体数目异常
    • 常染色体数目异常:唐氏综合征
    • 性染色体数目异常:先天性卵巢发育不良综合征
  • 染色体结构异常:主要包括缺失、重复、倒位、易位、环装染色体、等臂染色体、插入等
    • 缺失:染色体中某一片段的缺失,猫叫综合征
    • 重复:染色体增加了某一段
    • 倒位:染色体某一片段的位置颠倒了180度,造成染色体内的重新排列
    • 易位:染色体的某一片段移接到另一条非同源染色体上或同一条染色体上的不同区域
    • 环状染色体:一条染色体的长短臂同时发生了断裂,含有着丝粒的两断端发生重接,即形成环状染色体。
    • 等臂染色体:染色体的两臂在基因的种类、数量和排列方面为对称的相同的染色体。
    • 插入:一条染色体的片段插入到另一条染色体中的现象。

https://www.cnblogs.com/think-and-do/p/6891293.html

5.3 IntClust: 通过群集进行集成数据分析

IntClust,一个用于聚类复制的微阵列数据的软件包,包含了几种综合数据方法,支持不同的扩展不相似/距离度量方法,提供了一些改进的K-means聚类方法,并提出了三种流行的聚类质量评价方法。实现聚集分层聚类,还可以对集群进行微分基因表达和通路分析。

The software package is available at http://cadse24.cs.fiu.edu/IntClust.

5.4 GISTIC-CNV拷贝数变异分析工具

关于CNV:

The copy number variation (CNV) pipeline uses Affymetrix SNP 6.0 array data to identify genomic regions that are repeated and infer the copy number of these repeats. This pipeline is built onto the existing TCGA level 2 data generated by Birdsuite and uses the DNAcopy R-package to perform a circular binary segmentation (CBS) analysis. CBS translates noisy intensity measurements into chromosomal regions of equal copy number. The final output files are segmented into genomic regions with the estimated copy number for each region. The GDC further transforms these copy number values into segment mean values, which are equal to log2(copy-number/ 2). Diploid regions will have a segment mean of zero, amplified regions will have positive values, and deletions will have negative values. 来源:TCGA官网

GISTIC(Genomic Identification of Significant Targets in Cancer),其说明书和下载安装途径见https://github.com/ShixiangWang/install_GISTIC;

CNV拷贝数变异分析(GISTIC、maftools):https://www.jianshu.com/p/a6ae9d63046c GISTIC2.0的使用:https://www.jianshu.com/p/5de9922e6b8b 可视化:https://www.cnblogs.com/Mao1518202/p/11451548.html

5.5 Mut-driver突变的克隆计算&肿瘤异质性计算方法

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-04-17,如有侵权请联系 cloudcommunity@tencent.com 删除
目录
  • 0 文章信息
  • 1 总述
  • 2 背景
  • 3 主要流程
    • 测序及数据处理分析方法:
  • 4 结果
    • 4.1 The mutation landscape of 173 genes in 2,433 breast tumours.
    • 4.2 A ratiometric method identifies 40 Mut-driver genes.
    • 4.3 HDs identify candidate tumour suppressor genes
    • 4.4 Associations with clinical and pathological parameters
    • 4.5 Associations between somatic alterations
    • 4.6 Landscape of Mut-driver mutations across the IntClusts
    • 4.7 Clonal states of Mut-driver genes
    • 4.8 Prognostic associations of mutations in Mut-driver genes
    • 4.9 Intra-tumour heterogeneity across the IntClusts
  • 5 延伸
    • 5.1 METABRIC计划
    • 5.2 突变
    • 5.3 IntClust: 通过群集进行集成数据分析
    • 5.4 GISTIC-CNV拷贝数变异分析工具
    • 5.5 Mut-driver突变的克隆计算&肿瘤异质性计算方法
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档