发现癌症突变数学模型

研究人员生成一长串基因突变与癌症有关,但解决哪些真正驱动肿瘤生长失控,哪些不一直是一个挑战。一个新的数学模型由麻省理工和哈佛大学的研究人员和马萨诸塞州总医院(MGH)可以帮助这个任务,通过准确地挑选的“司机”突变更重要的“乘客”。这样做更准确的可以帮助药物开发者工作关注癌症的真正的司机。

先前的模型已经确定了很多司机突变,但很大程度上缺乏深入研究基因组的能力在细尺度上,所以经常被识别错旅客突变司机。减少假阳性率,研究人员利用测序数据更多的病人比先前的努力建立一个更精确的模型。他们还占整个基因组整体突变速率的差异。

“我们正在建造最accurate-to-date背景变异率的模型癌症主任说:“迦得斯坦利·Broad研究所癌症基因组计算分析小组,保罗·c·Zamecnik椅子在MGH癌症中心肿瘤,和文章的第二作者的研究癌症细胞。“我们显示列表的司机突变是干净的假阳性,先前的方法。”

癌症突变在完全相同的地点往往复发病人的基因组。模型检查这些位置,被称为“热点”。Some hotspots are in famous cancer driver genes such as RAS and TP53, and their cancer-promoting effects have been verified in the laboratory. However, the authors showed that many other hotspots are actually "passenger hotspots"— specific genomic positions at which mutations frequently occur because these regions are easily mutated.

“最重要的事情出来的是一个研究人员警告,只是因为我们看到,说,10个癌症病人都有相同的碱基对突变,这并不意味着是一个司机突变热点迈克尔·劳伦斯说:“论文的文章的第二作者,一名调查员在MGH,和一群广泛研究所计算生物学的领导者。”并不意味着它一定是突变,将是值得花钱和时间在实验室里跟进。”

海里捞针

研究小组开始着手这个新模型在几年前,在回顾一些令人惊讶的数据生成的另一个模型。

”数据集变得越来越大,我们发现难以置信的大量的这些重大热点突变发生在相同的基因组位置跨多个病人,”朱利安·赫斯说,该论文的第一作者斯坦利·实验室的成员。在所有这些似乎不太可能,每个突变热点是一个司机。研究者们开始质疑他们使用的模型。

他们用基因数据从大约10000癌症患者建立他们的新模型,并生成一系列驱动突变降低97%的假阳性率相对于其他模型。

研究还提出了新的问题,比如为什么有那么多乘客热点。

”模型的结果表明,可能有未来基因特性,使某些碱基对更内在可变比其他人,”赫斯说。这将是未来探索的一个领域。

研究人员说他们可能不得不进一步细化模型随着数据的增长,确保新旅客突变不是被错误地命名为司机。但是现在,他们说他们的模型已经准备好了为其他研究人员使用比以前提供一个更好的起点。

“新发现的热点模型绝对可以跟进这些未来的研究有更多的信心突变其实重要的癌症,”盖茨说。