癌症治疗突变印记

今天小编给大家介绍的是2019年7月发表在Nature Genetics（IF:25+）上的一篇文章，是关于癌症治疗突变印记的文章。一些癌症疗法会破坏DNA，导致癌细胞和健康细胞发生突变。治疗所诱发的突变可能是一些长期或者晚期治疗副作用的基础，如精神损伤、器官毒性和继发性肿瘤等。然而，各种化疗所带来的突变负荷还没有被深入探索，所以这篇文章对癌症治疗的突变印记进行了研究。 

The mutational footprints of cancer therapies

癌症治疗的突变印记

一． 研究背景

目前，许多化学疗法仍然是治疗原发性肿瘤的主要手段，但是它们会同时针对癌症细胞和非癌症细胞并导致其DNA损伤或核苷酸池改变。尽管许多由这些药物导致DNA损伤的肿瘤和健康细胞会死亡，但仍有一部分细胞可以存活。在存活细胞的后代中，至少部分原始损伤会转化为突变(图1a)。因此，化疗可能导致肿瘤和病人器官的健康组织发生突变，这可能证明了化疗会造成的一些长期的副作用。与其他突变过程一样，化疗药物引起的核苷酸变化将在被治疗细胞的基因组中留下印记，这可以作为特定的突变特征来检测，其中一些突变印迹已经在实验中得到证实。在这里，作者利用3506例转移性肿瘤的体细胞突变，识别了五种化疗药物和放疗留下的突变印迹。利用这些特定的印记，作者估计这些化疗对这些肿瘤的突变负荷的影响。最后，评估了每种疗法产生编码突变和潜在癌症驱动突变的风险，衡量了四种化疗药物在不同组织中的突变毒性。

二． 研究主要内容与结果

1. 识别与抗癌治疗相关的突变特征

在文章的第一部分作者首先使用已经经历化疗的患者识别抗癌剂的突变印记。在这些肿瘤所经历的克隆扩张的驱动下，如果存在治疗引起的突变，它们能够体现在可变等位基因频率(VAF)的值上，并通过测序检测出来(图1a)。接下来作者分析了3506例转移性肿瘤样本，并在全基因组水平进行了测序。这些样本取自至少19个已知器官或组织的原发肿瘤，范围从644例乳腺癌到29例间皮瘤(图1b）。作者使用SignatureAnalyzer和SigProfiler两种方法提取活跃于这些转移性样本的突变特征。分别提取了单碱基取代(SBS)、双碱基取代(DBS)和插入和缺失(ID)的突变特征(图1c)。作者手工整理研究对象的治疗信息(图1d)。为了了解队列中构成化疗印迹的突变特征，作者设计了一个回归模型方法，该模型确定了队列中转移性肿瘤经历化疗治疗与识别的突变特征活性之间的关系(图1e)。接着作者进行了泛癌症和组织特异性回归分析，以获得敏感性并识别由于稀释效应而在整个队列中遗漏的潜在关联结果如图1f，识别出了与4个治疗相关的7个突变特征。

图1 发现与抗癌治疗有关的突变特征

2. 六个抗癌治疗的突变印记

接下来作者在这一部分研究发现四个SBS和两个DBS特征构成了三种铂基药物的印迹(图2a)。研究发现铂类药物相关特征表现出转录链不对称性，转录基因的模板链活性较低(图2b)。同时作者也发现了与卡培他滨（capecitabine）治疗显著相关的未知SBS特征。卡培他滨是一种核苷代谢抑制剂，代谢为5-氟尿嘧啶(5-FU)。为了获得卡培他滨/5-FU与特征之间联系的实验验证，作者分析发现在SBS卡培他滨中，CTC>CGC和CTT>CGT突变占主导地位(p值< 0.001;图2c），从而确定了肿瘤中识别特征的病因学。综上所述，作者认为这一新的特征构成了5-FU或卡培他滨处理的突变印迹。

图2 治疗相关突变的特征

3. 治疗相关的突变特征

在这一部分作者假设，由治疗相关特征引起的突变会表现出某些特定的特性，这些特性与许多内源性突变过程所引起的特性不同。因此作者计算了3506个肿瘤样本中SBS出现的相对时间，并将每个肿瘤中的SBS分为早期和晚期。然后，对于每个肿瘤，计算了每个特征促进的SBSs中晚期变异的富集情况。结果正如所预期的，由药物相关特征贡献的SBS，相对于由肿瘤早期或整个演化过程中活跃的特征贡献的其他SBS，在晚期得到了富集(图2d)，可以看出在接受治疗时间最长的25%的肿瘤中，治疗相关特征所导致的突变(SBS和DBS)显著高于接受治疗时间最短的25%的肿瘤。

4. 转移性肿瘤抗肿瘤治疗的突变负荷

在这一部分作者认为引起DNA损伤的化疗药物有可能引起肿瘤细胞和健康细胞的突变。并对其突变印迹进行识别来评估其在不同来源的转移性肿瘤中的突变毒性。作为对化疗药物突变毒性的初步估计，作者计算了它们对经历化疗药物的肿瘤的突变负荷的贡献(图3a)。这一贡献可以通过获得与治疗相关的特征的活性来估计。接下来，作者将不同治疗对同一肿瘤产生的突变相加，就得到了化疗对细胞突变负荷的总体贡献。在不同组织来源的肿瘤中，患者接受的治疗贡献了几十到10,000 SBS(图3b和c)。这些贡献占总肿瘤突变负荷的1%到65%以上。几十个DBS是由治疗相关的特征贡献的，可以看出铂类药物对肿瘤突变负荷的贡献略大于衰老特征，而卡培他滨的贡献略小(图4a)，也可以看出化疗期间的每个月对转移性肿瘤负荷的影响比暴露于衰老特征下的影响高出两个数量级(图4a）。

图3 抗癌治疗对肿瘤突变负荷的贡献

5. 化疗引起编码突变的风险各不相同

作者提出另一种衡量突变过程毒性的方法是通过评估其引起编码突变(或影响癌症基因的特定突变)的风险，这些突变可能导致细胞功能失常或增加其变为恶性的可能性。不同的突变过程导致编码突变的风险也不同。DNA损伤的序列决定因素和纠正它的DNA修复机制会影响这种风险。作者推断，利用不同疗法对肿瘤突变负荷的贡献将能够估计它们在患者细胞中引入编码突变(和癌症基因突变)的风险。所以设计了一种方法来计算患者体内一个细胞在中立状态下的编码影响突变的预期负荷，这些突变要么跨越所有编码基因，要么跨越一组已知的癌症基因。人类基因组中与衰老和治疗相关的特征的活性被用来计算与特征相关的编码突变出现的概率。作者计算出在结直肠起源的肿瘤中，每1000个突变中有33.53个是由衰老特征造成的，因为它们的三核苷酸偏好和沿基因组的分布影响了编码基因的序列。更具体地说，每1000个基因中有1.47个突变会影响已知癌症基因的序列(图4b,)。另一方面，在1000个奥沙利铂引起的突变中，只有12.27个可能影响编码基因的序列，其中有0.60个已知的癌症基因。最后，作者计算了患者在真实的化疗环境中所受到的预期编码影响的数目(图4c)。

图4 抗癌治疗的突变风险