比较搜索癌症突变的算法

桑福德·伯恩汉姆·普雷比医学发现研究所(SBP)首次对一种新出现的算法类别进行了比较分析，这种算法通过关注内部基因结构(亚基因解析算法)来挖掘癌症数据库中的遗传信息，与传统的研究方法不同，传统的研究方法将基因视为单个单位。这些强大的数据筛选工具正在帮助解开癌症的复杂性，并发现之前未被确认的突变，这些突变在生成癌细胞中非常重要。

该研究于今日发表于自然方法该网站对20多种由独立研究小组开发的算法的优缺点进行了审查、分类和描述。

SBP生物信息学和结构生物学项目主任、该研究的资深作者亚当•哥德齐克博士解释说:“尽管高分辨率基因组序列的可用性越来越高，但普遍的假设是将一个基因视为一个单一单位。”“然而，也有一些事件，如单位点DNA置换和剪接变异，可以发生在一个基因内-在亚基因水平上。亚基因算法提供了一个高分辨率的视角，可以解释为什么不同突变同一个基因可以导致不同的表型，这取决于它们如何影响特定的蛋白质区域。

“不同的亚基因突变如何影响癌症的一个很好的例子是NOTCH1基因，”哥德兹克说。“NOTCH1某些区域的突变导致它在肺癌、皮肤癌、头颈部癌症中扮演肿瘤抑制因子的角色。但是不同区域的突变可以促进慢性淋巴细胞白血病和T细胞急性淋巴细胞白血病。因此，认为基因突变会产生相同的结果而不管其位置如何的假设是不正确的。”

研究人员应用了每个亚基因算法到癌症基因组图谱(TCGA)的数据，这是一个大型数据集，包含了来自超过11000名患者的33种不同肿瘤类型的基因组数据。

“我们的目标不是确定哪种算法比另一种算法更好，因为这取决于所提出的问题，”爱德华·波塔-帕尔多博士说，他曾是哥德齐克实验室的博士后，是这篇论文的第一作者，现在是巴塞罗那超级计算机中心的一名专职科学家。“相反，我们想告诉潜在用户，每个子基因算法背后的不同假设是如何影响结果的，以及结果如何不同于在整个基因水平上工作的方法。”

“我们发现了两件重要的事情，”Porta-Pardo说。“首先，我们发现该算法能够重现癌症研究人员建立的已知癌症基因列表——验证子基因方法以及这些基因与癌症之间的联系。其次，我们发现了一些新的癌症驱动基因——与肿瘤发生过程有关的基因——这些基因被全基因方法所忽略。

“寻找新的癌症驱动因素基因是癌症基因组分析的一个重要目标，”Porta-Pardo补充道。“这项研究将有助于研究人员了解用于寻找新的潜在药物靶点的亚基因算法的优缺点癌症治疗。”

---

---