Nat Biotechnol：科学家通过利用新型算法分析肿瘤的遗传组成 有望准确测定癌症的进化机制

亚克隆重建算法能利用大量DNA测序数据来量化肿瘤进化的参数，从而评估癌症如何开启、进展以及对选择性压力产生反应。近日，一篇发表在国际杂志Nature Biotechnology上题为“Crowd-sourced benchmarking of single-sample tumor subclonal reconstruction”的研究报告中，来自加州大学洛杉矶分校等机构的科学家们通过研究揭示了癌症进化背后的精细化复杂过程，并定义了一种能分析肿瘤遗传组成的最佳算法。

文章中，研究人员详细了一种新型在线资源，其或能帮助科学家们选择最佳的算法进行肿瘤进化的分析，同时还能增强对肿瘤的诊断准确性和疗法计划。理解肿瘤的进化对于有效治疗癌症非常重要，具有遗传多样性的肿瘤往往更难进行治疗，且更有可能会抵御疗法，特定突变发生的时间往往也会影响疗法治疗的效果。为了更好地测定肿瘤的进化过程，科学家们利用亚克隆重建算法来分析来自肿瘤的DNA测序数据，从而就能更好地理解癌症的发生、生长以及对疗法的反应，并能为癌症的诊断及开发新型策略提供有价值的见解。

这种方法涉及复杂的数学和计算机算法，其如今已经成为了一种重要的工具来更好地理解并追踪癌症的进化过程；然而，研究人员开发了几十种算法来完成这项任务，截止到目前为止，他们还不清楚哪些算法是最准确的，以及其什么时候能更好地发挥作用，这种不确定性或许就成为了更广泛临床应用的障碍。研究者表示，亚克隆重建的结果在不同算法之间往往差异很大；我们希望能更好地理解实验性和算法选择如何针对手头的特定任务进行优化，从而帮助开发算法的科学家们以及将这些算法应用于自己研究的人群，这样他们就能根据自身的目的选择最好的算法，进而以一种更明智的方式来解释结果。

科学家通过利用新型算法分析肿瘤的遗传组成 有望准确测定癌症的进化机制

图片来源：Nature Biotechnology (2024). DOI:10.1038/s41587-024-02250-y

为了理解哪种算法对于不同的任务最为准确，研究人员通过联合研究组成了一个全球联盟，并发起了一项为期7年的研究计划，即ICGC-TCGA DREAM体细胞突变召唤—肿瘤异质性和进化挑战计划，来自全球各地的研究人员利用云计算对肿瘤进化的七个方面进行基准测定，共进行了12,061次分析。通过分析这些数据，研究人员发现，仅有少数肿瘤特征会显著影响重建算法的准确性，尽管诸如测序数据质量和肿瘤纯度等一些实验因素也会发挥重要作用，但在决定准确性方面，算法的选择要比肿瘤自身的特征更为重要一些。

研究人员还发现，并没有一种算法在所有任务上都表现地最好，结合多种算法的标准方法并没有显著提高准确率。研究者Paul Boutros说道，我们非常惊讶，算法自身或许也如此重要，这项研究为研究人员如何转化研究、开展临床试验并最终完全预测癌症进化的复杂性提供了直接的实用性见解。由于不同的算法最适合亚克隆重建的不同子任务，因此研究人员提供了在线工具来帮助用户根据其数据集和感兴趣的问题来选择最合适的算法。

目前研究人员正在努力找出现有技术可以改进的地方，旨在更好地代表癌细胞中的持续性变化，并制造更好的癌症进化模拟，当然这或许还需要指导在哪些方面需要新的人工智能来改善测定癌症进化的能力。通过利用创新性的计算方法来揭示肿瘤动力学的复杂性，研究人员就能预测癌症进化的方向，通过了解其去向，研究人员就能设计出阻止癌症变得致命的新型疗法。（生物谷Bioon.com）

参考文献：

Salcedo, A., Tarabichi, M., Buchanan, A. et al. Crowd-sourced benchmarking of single-sample tumor subclonal reconstruction. Nat Biotechnol (2024). doi：10.1038/s41587-024-02250-y