Nature：基于机器学习的工具BoostDM可识别每种肿瘤类型的癌症驱动突变，有助开发个性化癌症治疗

2021年8月4日讯/生物谷BIOON/---在一项新的研究中，来自西班牙巴塞罗那生物医学研究所的研究人员开发出一种计算工具，它可以识别每种肿瘤类型的癌症驱动突变。这一发现有助于加速癌症研究，并提供工具帮助肿瘤学家为每名患者选择最佳治疗方法。相关研究结果于2021年7月28日在线发表在Nature期刊上，论文标题为“In silico saturation mutagenesis of cancer genes”。论文通讯作者为巴塞罗那生物医学研究所的Ferran Muiños博士、Nuria Lopez-Bigas博士和Abel Gonzalez-Perez博士。

每种肿瘤---每名患者---都积累了许多突变，但并非所有的突变都与癌症的发展有关。在这项新的研究中，这些作者开发出一种基于机器学习方法的工具BoostDM，可以评估特定类型的肿瘤中所有可能的基因突变对癌症的发展和恶化的潜在贡献。

在之前提供给科学界和医学界的研究成果中，巴塞罗那生物医学研究所生物医学基因组学实验室已开发出一种方法来确定那些导致癌症发生、发展和扩散的基因。López-Bigas博士解释说，“BoostDM更进一步：它模拟了特定癌症类型的每个基因内可能发生的突变，并指出哪些基因是癌症过程中的关键。这些信息有助于我们了解肿瘤是如何在分子水平上引起的，它可以促进关于患者的最适合疗法的医疗决策。此外，该工具将有助于更好地了解不同组织中肿瘤发展的初始过程。”

这种新工具已经被整合到这些作者开发的IntOGen平台，旨在供科学界和医学界在研究项目中使用，并被整合到他们开发的癌症基因组解释器（Cancer Genome Interpreter）数据库中，该数据库更侧重于肿瘤医学家的临床决策。BoostDM目前正在研究从66种癌症中分析的28000个基因组的突变谱。BoostDM的应用范围将随着公众可获得的癌症基因组的增加而扩大。

建立在进化生物学基础上的进步

为了确定参与癌症的突变，这些作者以进化中的一个关键概念为基础，即正向选择（positive selection）。与那些随机发生的突变相比，推动癌症生长和发展的突变在不同的样本中被发现的数量更多。

Muiños博士说，“我们开始的前提是，我们只能观察到一些突变，因为有这种突变的肿瘤细胞会引导肿瘤的发展，我们猜测这些突变与其他可能存在的突变有什么区别。手工进行分析会非常费力，但有一些计算策略可以让这种分析有系统性地有效地组织起来。”

特定的模型概述了癌症驱动突变的特征，图片来自Nature, 2021, doi:10.1038/s41586-021-03771-1。

从这些数据中，他们提出的方法可以了解哪些基因突变的特征有利于癌症的发展，这些信息对开发新的治疗方法是有用的。

为每个基因和癌症类型建立计算模型

这些作者开发的这种工具已经产生了185种模型，以确定特定类型的癌症中特定基因的突变。例如，它已经产生的一种模型确定了在一些肺癌中触发肿瘤发展的EGFR基因的所有可能的突变，另一种模型确定了胶质母细胞瘤（一种影响大脑的癌症类型）病例中触发肿瘤发展的EGFR基因的所有可能的突变。

随着肿瘤测序数据的公开化，它可以被纳入该系统，使其能够在未来几年为所有癌症基因生成新的模型。

当一种模型被开发出来后，这些作者可以在一种组织类型中研究癌基因的每个可能突变（在一种称为饱和诱变的过程中），并确定每个可能突变是否与疾病的发展有关。这个过程产生了一系列关键突变，这对癌症研究和个性化的癌症医学以及医疗决策都很有价值。他们已证明，这种预测模型工具BoostDM比实验方法更有效和准确。（生物谷 Bioon.com）

参考资料：

Ferran Muiños et al. In silico saturation mutagenesis of cancer genes. Nature, 2021, doi:10.1038/s41586-021-03771-1.