「希望」癌症基果重复渐变怎样办？那一招有利于辨认高度类似的基果

本文为转化医学网原创，转载请注明来由

作者：John

导读：在人类演化历程中，基因组的某些部门履历了重新复制和重新分列，从而导致差别的部门相互相似。然而，怎样辨认非奇特地区基因突变重复的盲点？研究职员练习了一套呆板进修要领，使用他们的遗传词库来解释在短读测序技能会合发觉的突变。

研究职员已经开始得到曩昔隐蔽的体细胞突变在癌症样本基因组中的非奇特地区，包罗编码地区和调治元素。

在人类演化历程中，基因组的某些部门履历了重新复制和重新分列，导致差别的部门相互相似。但是，很多当前的基因测序东西必要依靠于短读测序技能，是以把这些雷同的部门区离开来，从中辨认基因产生了突变大概比力棘手。据弗朗西斯·克里克研究所（the Francis Crick Institute）马克西姆·塔拉比奇（Maxime Tarabichi）博士表现，在短读序列技能的长度标准上，约莫10%的人类基因组黑白唯一无二的。

“为了可以或许将突变安排给特定的基因座（比方，癌症基因的编码序列），一种常见突变挪用算法，在序列与基因组对齐后扫描序列，在30亿个基因组轨迹中按位置定位。他们抛弃了任安在定位点含糊分列的小引列，以及它们大概携带的全部潜伏体细胞突变。他们漏掉了任安在定位点含糊分列的小引列，以及它们大概携带的全部潜伏突变。”Maxime Tarabichi在一封电子邮件中写道。这意味着非奇特地区是辨认突变重复的盲点。

正如他们周一在《天然生物技能学》上报道的那样，她和她的同事制作了一个已知具有高序列相似性的地区列表，一个所谓的"遗传词库"，以及一种使用词库发觉这些非奇特地区内突变的算法。当他们将他们的要领应用于一组泛癌基因组时，研究职员发觉了约莫1700个编码序列和数千个调治元素中的隐蔽突变。这些隐蔽突变影响已知的癌症基因以及免疫球卵白和其他高度变异的基因家属。

研究职员练习了一套呆板进修要领，使用他们的遗传词库来解释在短读技能会合发觉的突变，这些数据集大概是含糊其词。对付大多数突变，Maxime Tarabichi表现，他们可以利用数据中的非含糊锚点来映射突变回到其位置，但纵然他们不知道突变简直切位置，他们仍旧可以开始形貌它。

他们利用这种要领对全基因组数据集的泛癌阐发中的2658种癌症举行了研究，终极发觉1744个编码序列中的突变以及数千个调治元素的突变。研究职员估量，他们的要领每样本的错误发觉率中位数为7%，每样本的假阴性率为9%。他们利用正交短读和链读测序要领对分外的癌症样本举行测序，陈诉验证率凌驾80%。

在癌症中，大多数突变是对肿瘤生长或疾病希望没有影响的搭客突变，研究职员指出，他们通过遗传词库要领辨认的大多数突变也是云云。但是他们发觉的一些突变彷佛影响了已知癌症基因的卵白质编码序列。

“有味的是，我们发觉很多突变影响了真正的癌症基因的卵白质序列。我们还在新候选癌症基因中发觉了过量的卵白质改变突变，此中很多是序列相似性的基因家属成员，”Maxime Tarabichi表现。此中一些基因已经与癌症有关，但依据经典变异挪用者的说法，它们的编码序列彷佛从未变异。

比方，他们发觉了在PIK3CA和KMT2C基因中存在复发性突变，以及影响乳腺癌相干基因ANKRD30A和TPTE基因的突变，后者与PTAN通路有关。以及，别的突变影响调治地区，包罗免疫球卵白家属成员的启动序列地区。

Maxime Tarabichi指出，长读测序要领也将开始办理遗传作图题目，但是，迄今为止，大多数大型基因组数据库都是用短读序列开辟出来的，是以他们如今可以将东西应用于这些数据库。