近日，上海科技大学生命科学与技术学院刘雪松课题组在权威生物信息学期刊《生物信息学简报》(Briefings in Bioinformatics)发表了题为“The repertoire of copy number alteration signatures in human cancer”的研究论文，揭示了新型肿瘤基因组拷贝数变异模式，为深入研究肿瘤发生发展开辟了新角度，并为肿瘤精准诊断预测提供了全新的标志物体系。
肿瘤是由体细胞基因组DNA变异导致的复杂疾病，这些变异可以影响肿瘤细胞的生长、增殖和转移等生物学特性，同时也可以影响肿瘤细胞对治疗的敏感性和耐药性。变异包括小规模变异和大规模变异。小规模变异包括单个碱基替换（single base substitution，SBS）、小插入和缺失（Insertions and deletions, INDEL）。大规模变异，即结构变异。拷贝数变异（copy number alteration, CNA）是结构变异的主要类型，在人类癌症中普遍存在。
相比小规模变异，大规模变异是肿瘤细胞区别于正常细胞的关键分水岭。然而由于拷贝数变异的复杂性，目前对它的规律模式识别、背后驱动因素解读、与肿瘤临床诊断预后的关系等系列科学问题仍有待解决。
刘雪松团队创新性地提出了一种独特的拷贝数片段分类方法。该方法整合了拷贝数片段的长度、片段绝对拷贝数、片段杂合性状态、片段前后背景形态等信息。考虑到真实世界数据的实际情况，研究团队最终获得176个拷贝数变异类别（图1）并进行了验证。相比现有的CNA模式识别方法，该方法能够提供更为细致的拷贝数片段信息，为深入理解CNA规律模式和发生驱动因素解读提供基础。
图1. 拷贝数片段数据分类策略
此外，研究人员还探究了该方法在肿瘤精准预后预测中的应用。结果显示部分CNA模式的强弱与肿瘤的预后密切相关，且这种相关性在不同来源、不同测序方法得到的数据中稳定存在，提示CNA模式在肿瘤精准预后诊断中具有重要的应用前景（图2）。
图2. 拷贝数变异模式与癌症患者预后的关系
上海科技大学生命学院2021级博士研究生陶紫玉、2018级博士研究生王诗翔、2022级博士研究生吴宸旭为共同第一作者。生命学院常任副教授刘雪松为通讯作者，上科大为第一完成单位。
论文链接：
https://academic.oup.com/bib/advance-article/doi/10.1093/bib/bbad053/7048898?login=false
沪公网安备 31011502006855号