华人学者：癌症基因组研究新工具

　　2016年07月22日讯 最近，卡内基梅隆大学的科学家开发出了一种分析癌细胞杂乱基因组的新方法，使研究人员首次能够同时识别两种不同类型的癌症相关基因变化，并确定两者之间的联系。这项研究结果发表在了《Cell Systems》杂志。

　　卡内基梅隆大学计算生物学系副教授马建（音译，Jian Ma）称，他的这种新算法--称为Weaver，可能成为一种重要的工具，用于确定癌细胞内致病DNA变化之间的相互作用。马建博士早年毕业于复旦大学计算机科学专业，2006年在宾夕法尼亚大学获计算机科学博士学位，曾在加州大学圣克鲁兹分校从事博士后研究，2015年8月至2015年1月，任伊利诺伊大学香槟分校副教授，2016年1月至今为卡内基梅隆大学计算生物学系副教授。主要致力于开发新型计算方法，来探索人类基因组，整合比较基因组学来确定不同的基因组变化，以研究它们对于基因组功能、染色质和核基因组结构和基因调控的影响，研究成果多次刊登在Cell、Genome Biology、PNAS、Scientific Reports、Nature Biotechnology等国际学术期刊。

　　计算机科学学院计算生物学系主任Robert F. Murphy教授指出：“这项工作采用了一种严格而简洁的方式，更好地反映了个别癌症进化过程中发生的基因变化。对此有一个更清晰的认识，可以帮助我们识别某些特性，如对药物的反应，可以区分癌症，并可能有助于开发更多的个性化治疗。”

　　马博士和他以前在伊利诺伊大学香槟分校的博士生Yang Li一起，将这项研究结果发表在了《Cell Systems》杂志。马博士说：“一个健康细胞的遗传密码体现在23对染色体上，但在肿瘤细胞中，它完全是混杂的。”众所周知，许多癌症可引起染色体的多个副本，这种类型的突变称为非整倍体。同样，癌细胞也经历了另一种类型的突变，称为结构变异，其中染色体内的DNA序列被重新排列和复制。

　　这两种基因变化都可能发生在同一个细胞内，但直到现在，必须使用单独的技术来进行量化。然而，Weaver能够使用相同的输入--全基因组测序数据，同时进行这些分析。同时进行这些分析的优势在于，研究人员现在可以看到非整倍性是如何受结构性变化影响的，反之亦然。当分析单独完成时，这些相互作用是难以识别的。

　　Weaver使用一种概率图解模型--称为Markov Random Field，使研究人员能够可视化基因突变的数量，又能可视化它们彼此是如何相互连接的。马博士说：“这使我们对于癌症基因组的复杂性，有了更好的了解。”这可能有助于研究人员更好地描述癌症，或了解哪些基因变化组合可能会影响同一类型癌症或不同类型癌症的癌症行为。

　　马博士说，他预计Weaver可能为Cancer Genome Atlas （TCGA）研究提供有用的见解， TCGA是国家癌症研究所和国家人类基因组研究所之间的一个合作项目，描述了来自11000多名患者的肿瘤组织和正常组织的基因组。可用的TCGA数据集包括33种不同类型的肿瘤基因组。

　　马博士和Yang Li将Weaver应用于来自TCGA的两种癌细胞系和卵巢癌的全基因组测序数据。在卵巢癌样本的情况下，Weaver确定了一个特定类型的结构变化所引起的复制染色体区域，这是以前没有报道过的一种关联。

　　随着基因组测序技术的迅猛发展，癌症基因组研究取得了一系列研究进展。2014年11月，Cancer Research杂志发表的一项新研究，鉴定了四百多个癌症基因组测序中的“盲点”，这些没有充分测序的区域隐藏有致癌性的基因突变。

　　2015年4月，《自然通讯》（Nature Communications）杂志上的一项研究表明，基因只能部分解释40%确诊罹患最常见非霍奇金淋巴瘤形式的患者治疗一度起效但又最终失效的原因。癌细胞表观基因组的整体改变开启了应当关闭的正常基因（或是反过来关闭了应当开启的正常基因），是决定疾病进展的一股强大动力。

　　2015年6月，来自芬兰赫尔辛基大学和瑞典卡罗琳斯卡学院的研究人员发现了在癌症中人类调控基因组内从前未确定特征的一些突变模式。研究论文发布在《自然遗传学》（Nature Genetics）杂志上。