中科院Cell子刊揭示癌症模块化特征

　　来自中科院上海生命科学研究院计算生物学研究所的研究人员，开发出了一种无偏倚适应成簇(adaptive clustering)方法，综合分析了卵巢癌的基因组、表观基因组和转录组的全景图，由此揭示出了卵巢癌不良预后的潜在模块化特征。这一研究成果发表在8月8日的《Cell Reports》杂志上。

　　领导这一研究的是中科院上海生命科学研究院计算生物学研究所所长韩敬东(Jing-Dong Jackie Han)。其研究方向包括：生物网络的结构、动态及其功能;利用功能基因组学数据，寻找疾病有关的基因及进一步研究其病理作用;探求遗传基因网络中内在的安全稳定机制。

　　卵巢癌是第二常见及最致病的妇科癌症，约占所有女性确诊癌症病例的3%，平均发病年龄大约是在63岁。不同于许多其他的癌症，卵巢癌预后较差，在近几十年里也没有显著的改善，5年生存率大约为47%。尽管给予相似的手术和辅助治疗，不同的患者结局可能会有很大的不同。当前还不是很清楚这种预后不良及异质性的潜在机制。

　　癌症基因组图谱(Cancer Genome Atlas，TCGA)收集了500多例卵巢浆液性腺癌(ovarian serous cystadenocarcinoma)的详细临床记录以及高通量异质数据，包括基因表达、体细胞突变、启动子DNA甲基化、microRNA (miRNA)表达和拷贝数变异(CAN)。从这些数据中，TCGA协会在高级别卵巢癌中发现了TP53、BRCA1/2和RB1等10个复发性体细胞突变，并鉴别出了4种与预后无关的转录亚型。他们证实，BRCA1/2突变和CCNE1扩增相互排斥与卵巢癌的预后相关。然而，直到现在，仍然不清楚是否存在具有不同的预后及独特的标志性危害因子的卵巢癌亚型。TCGA数据集为研究人员提供了独特的机会，通过分析所有这些高通量异质数据来揭示可区别不同预后亚型的标志性危害因子，确定可以解释这些不同预后的亚型特异性信号通路。

　　在这篇文章中，中科院的研究人员开发了一种无偏倚、适应成簇方法来综合分析卵巢癌全基因组基因表达、DNA甲基化、microRNA表达和拷贝数变异。揭示出了7种从前未分类的卵巢癌亚型，它们的平均存活时间有着显著的差异。随后，研究人员开发了一种算法揭示出了一些可区别这些癌症亚型的分子特征。令人惊讶的是，研究人员发现尽管预后良好的亚型似乎没有差别，但预后不良的癌症却明显显示出差异。一种亚型具有上皮间质转化特征和癌症标志性网络，而另两种亚型则富集了以SRC和KRAS为中心的信号网络。

　　这些研究数据揭示了一些可高度预测临床结局的分子特征，以及一些可通过亚型特异性治疗靶向的驱动基因。