大家好呀，最近看到了一篇来自咱们国内团队的好文章，赶紧来分享给大家。就在今年6月6日，浙江大学第一附属医院滕理送教授课题组在胃癌专科顶级杂志Gastric Cancer (IF=7.088) 发表一篇关于整合多维基因组特征的胃癌基因组分类系统的文章（如图1），该研究通过对基因组信息的解读，为胃癌的研究和多种类型癌症的分子分类提供了理论依据，对于指导精准医疗有重要意义。

话不多说，咱们一起来看看文章的内容吧~

文章背景：

• 胃癌(Gastric cancer, GC) 具有高度异质性，先前的研究已经提出了关于胃癌的多分子分类系统，其中最受认可的是癌症基因组图谱（TCGA）分类——TCGA通过整合6个分子平台的测序数据，将GC分为4个分子亚型，包括EB病毒(Epstein-Barr virus)、微卫星不稳定(microsatellite instability, MSI)、染色体不稳定(chromosomal instability, CIN)和基因组稳定(genome stable, GS)。
• 基因组学研究一直都被认为是简化多组学数据的基础，其对于精准分子分类也起着关键作用。常见的基因组分析包括突变特征分析（mutational signature, 反映人类癌症突变过程的特征印记）和克隆性分析（clonality, 或称为瘤内异质性）。
• TCGA队列患者主要来自西方人群，而亚洲和西方国家GC的流行病学、组织学和分子特征存在差异。亚洲胃癌肠道型肿瘤发病率较高，MSI胃癌发病率较低，预后较好。因此，特异性针对亚洲的基因组分类是有必要被开发的。

文章方法和数据：

（1）数据来源：研究团队收集了2016年1月至2018年1月在浙江大学医学院附属第一医院行胃切除术的原发性胃癌患者，共70位患者，命名为ZJU-GC队列。从这70例胃癌肿瘤和配对正常胃黏膜中提取DNA进行外显子组测序（WES）。

（2）体细胞突变的分析：使用muTect识别体细胞单核苷酸变异 (SNVs)、用Strelka识别体细胞InDels、用ANNOVAR进行突变注释、用MuSic算法识别显著突变基因 (SMGs)。

（3）突变特征的分析：根据96种突变类型的频率，采用非负矩阵分解(NMF)方法提取突变特征，并将使用SomaticSignatures包识别的特征与COSMIC数据库中已知的30种突变特征进行比较，筛选出余弦相似度> 0.9的突变特征。

（4）拷贝数分析：用CNVkit检测体细胞拷贝数变异(SCNVs)，使用GISTIC 2.0识别显著变化的基因组区域，筛选出CNV复发区。

（5）HLA基因分型和新抗原预测：用TSNAD软件处理WES的原始数据，识别出体细胞突变、确定HLA基因分型、识别新抗原。

（6）体细胞突变的克隆结构分析：使用R包SciClone，通过贝叶斯二项混合模型分析个体样本中的变异等位基因频率，来推断体细胞突变的克隆和亚克隆结构。

文章结果：

一、胃癌的体细胞突变景观：

• 一共识别了32个显著突变的基因（如图2），其中14个被报告在至少一个GC基因组测序研究中，如TP53、ARID1A、PIK3CA、CDH1、RHOA和SMAD4。

• 82%的TP53非同义突变出现在DNA-binding区域（如图3B）。
• 大多数显著突变基因的突变频率和TCGA-GC的是相似的，不过ARID1A和PIK3CA在该队列中以显著较低的频率突变（23% vs. 10% and 18% vs. 8%，如图3C），PIEZO1突变以显著较高的频率突变(12% vs. 0%, P<0.01).
• 在肠型肿瘤中LRP1B是比较常见的突变体 (P = 0.03，如图3D)，而在不良分化的患者中往往不常见(P = 0.052)。

二、KEGG通路分析与靶向的基因：

• 对体细胞突变和CNV的KEGG通路分析揭示了胃癌中信号通路的变化，包括RTK / RAS /PI(3)K, p53 /细胞周期,细胞粘附和染色质重塑（如图4）。
• 根据OncoKB数据库，70例患者中有31例存在至少一种潜在的可靶向的基因变异。

三、多维基因组特征的鉴定和刻画：

（1）突变特征：共有四个独立的突变特征，COSMIC特征1 (由与老化相关的5-甲基胞嘧啶自发脱氨启动)，特征6 (与DNA错配修复缺陷相关)，特征17 (归因于氧化应激，与预后不良相关)，和特征29(与烟草相关的签名)被识别出来（如图5A）。采用无监督聚类方法，根据每个样本签名的贡献比例，将胃癌样本分为三个亚型(Sig-cluster1、2、3，如图5B)。作者进一步研究了这些亚型与OS之间的关系。Sig-cluster1亚型的OS最长，而Sig-cluster3亚型的OS最短(log-rank P < 0.001，如图5C)。随后，多因素Cox回归分析也显示这些亚型间预后存在显著差异。

（2）体细胞CNV：利用GISTIC 2.0鉴定出42个显著的focal CNVs (24个有扩增，18个有缺失，如图6D)。基于每个样本显著改变的CNVs, 70名GC患者通过无监督聚类分为3个亚型(CNV-cluster1、2、3 ;如图6E)。作者进一步观察到这三种亚型与预后显著相关 (P = 0.038，图6F)，并与患者诊断时的年龄、性别和Lauren亚型相关。

（3）从突变基因中预测新抗原：70例患者中共鉴定出4994种预测新抗原。预测的新抗原数量为0 ~ 918 (中位数为52)。此外，有873例 (17.5%) 新抗原与等位基因HLA-B58:01具有亲和性 (如图7G)。新抗原数量与肿瘤突变负荷 (TMB) 显著相关 (R2 = 0.879, P < 0.001，如图7H)。根据预测的新抗原，无监督聚类将胃癌分为两个簇(如图7I)，肿瘤新抗原负荷(TNB)显著不同(P < 0.001，如图7J)。

（4）克隆和亚克隆的结构：SciClone应用于重建样本中的克隆和亚克隆结构，反映了肿瘤内的异质性。克隆模式包括单克隆 (一个显性克隆，包含或不包含一个小亚克隆)、双克隆 (两个主要克隆)和复合克隆 (超过两个克隆)（如图8K）。作者将具有单克隆和双克隆模式的GC定义为寡克隆，具有复杂克隆模式的GC定义为多克隆(如图8L)。通过比较两种亚型的临床病理特征，表明多克隆性与良好或中等分化、劳伦肠型和程序性死亡配体1 (PD-L1)阳性显著相关(如图8M)。

四、针对胃癌的整合性基因组分类系统：

（1）为了确定与患者临床病理特征和生存结果相关的胃癌的基因组分类，作者基于突变特征、CNVs、预测的新抗原、克隆性以及必需基因变异对样本进行了无监督聚类（如图9.1A）。70例胃癌分为4种亚型(ZJU-GC亚型)：亚型1 (n = 22)、亚型2 (n = 16)、亚型3 (n = 12)、亚型4 (n = 20)。

（2）通过分析这四种亚型与OS的关系 (如图9.1B)，发现亚型4的OS最长，亚型2和亚型3的OS明显比亚型4短，亚型1的OS中等。

（3）通过探索了这四个亚型与TCGA分子亚型或劳伦组织学亚型之间的关系，作者观察到亚型1中有90.9%的肿瘤属于CIN亚型，亚型2中有50.0%的CIN和50.0%的GS亚型 (如图9.1C)。

（4）亚型1和亚型2的胃癌肿瘤的肠道组织学比例明显更高(P < 0.01，如图9.2D)。此外,当检查第一个转移点的时候，发现亚型1拥有最高的肝转移率 (P < 0.01)，而亚型3和亚型4具有显著更高的腹膜转移率(P < 0.05)。此外，亚型1和亚型2的TMB高于其他两个亚型，TNB高于亚型4 (如图9.2F)。

（5）为了进一步探讨所提出的分类系统的预后价值，作者进行了多变量Cox回归分析，发现在调整TNM分期和TMB后，分类系统是一个独立的预后因素 (如图9.2G)。4个亚型表现出不同的分子特征 (如图9.2H)。

五、基因组分类的独立队列验证：

为了提高基因组分类系统的临床适用性，作者进行了降维分析，并选择了5个特征(Sig-cluster、CNV-cluster、FAT4突变、LRP1B突变和CCNE1 CNV)。在一个具有23例胃癌肿瘤和配对正常胃粘膜的独立队列数据中，基于朴素贝叶斯算法构建一个简化的基因组分类模型来预测亚型，最后对预测模型进行10倍交叉验证，验证精度达到95.7%。该独立验证表明了分子分类具有良好的扩展性和稳健性，并证实了基因组亚型与临床病理特征之间的相关性。

文章小结：

作者对来自中国人群的70份GC样本进行了全外显子组测序(WES)。创新地整合基因组特征，如突变特征、拷贝数变异(CNV)、新抗原、克隆性和必需基因的变异性，提出了一种新的基因组胃癌分类系统，包括与不同转移模式和预后相关的四种亚型。亚型1以劳伦肠型为主，具有复发性TP53突变和ERBB2扩增、TMB/ TNB、瘤内异质性，并有肝转移倾向。亚型2往往发生于老年，伴有高TP53和SYNE1突变，高TMB/TNB，并与不良预后相关。亚型3和亚型4包括以弥漫性/混合型肿瘤为主、腹膜转移频率高、基因组/染色体稳定的胃癌患者，而亚型4与良好的预后相关。这个基于基因组的胃癌分类系统，为之后的治疗提供了理论依据。