Nature | 单细胞水平检测癌症中突变诱导的基因组不稳定性

撰文：风不止步

IF= 69.504

推荐度：⭐⭐⭐⭐⭐

亮点：

文章将单细胞方法与单倍型特异性分析相结合，以揭示不同的突变过程如何使单个癌细胞的基因组多样化，从而决定人类肿瘤的表型变化和进化选择。表明细胞间的结构变异有助于原发性三阴性乳腺癌（TNBC）和高级别浆液性卵巢癌（HGSC）的表型和进化多样性的起源，并提供对单个癌症细胞的基因组和突变状态的洞察。

2022年10月26日，美国纪念斯隆凯特琳癌症中心的 Sohrab P. Shah博士等人在《 Nature》上发表了一篇“Single-cell genomic variation induced by mutational processes in cancer”的文章，文章将规模化的单细胞全基因组测序（WGS）和单倍型特异性分析应用于具有实验诱导的同源重组缺陷（HRD）相关基因组不稳定性的体外细胞系系统以及由结构变异（SV）相关突变过程定义的人类乳腺和卵巢肿瘤。研究揭示癌症基因组中细胞间变异的三个来源，对解释表型多样性和具有基因组不稳定癌症的进化选择具有意义。

内源性突变过程的识别和表征改变我们对癌症基因组的理解，并导致对具有基因组不稳定性的癌症的预后和治疗分层的改善。然而，突变过程通常是从全基因组测序（WGS）中推断出来的，它从由数百万个细胞组成的DNA池中产生总信号。因此，由基因组不稳定性引起的有丝分裂后细胞间的变异在测序中是无法检测到的，目前也没有得到充分研究。

单细胞WGS可以分解克隆特异性和细胞基因组事件，从而能够计算拷贝数改变（CNA）和结构变异（SV）的累积率和成千上万个单个细胞的突变模式。这使得进化遗迹事件（存在于最初的克隆扩张中）与同期的 '前景 '事件相分离，后者反映细胞间基因组多样化的持续机制。例如，断裂-融合-架桥循环（BFBCs）和同源重组缺陷（HRD）是内源性的突变过程，其累积的SV具有特定的模式，包括串联复制、间隙性缺失和折返倒置（FBIs），产生高水平的拷贝数扩增。由于HRD和BFBCs被预测为会在单个母本或父本等位基因上诱发细胞的特异性结构变化，所以单倍型特异性分析对于全面说明基因组规模的结构变异是至关重要的。

图1：单细胞基因组中产生细胞间变异的过程

结构和拷贝数改变水平的细胞间变异是TNBC和HGSC癌症的一个普遍的“前台”特征，它是针对基因组不稳定性的不同内源性突变过程表现出来的。由于CNAs可以影响数百个基因的表达水平，每一种前台突变模式都提供了广泛而独特的基因组多样性，选择可能在这些基因组上发挥作用。致癌性HLAMPs被认为是肿瘤进展的关键驱动因素，当与FBIs共同定位时，在HGSC中具有预后性。

图2：HLAMP拷贝数的变化

文章揭示了另外一层复杂性，发现HLAMPs的振幅在细胞之间可以有很大的不同。虽然这被认为是染色体外DNA扩增的一个特征，但这也是其他类别HLAMPs的一个普遍特性，如那些由BFBCs和复杂的染色体间重排过程介导的HLAMPs。这对针对经常改变的致癌基因治疗策略有重要意义，因为基因组高度不稳定的癌症类型可能容易含有抗治疗的克隆。同一基因座内的多平行变异也是乳腺癌和卵巢癌的一个高度普遍的特征，与以前在其他癌症中的一些观察结果一致。

值得注意的是，在总拷贝数水平上出现克隆的事件往往是由不同的等位基因获得或丢失的不同支系组成；这反映了在总拷贝数水平上有利的核型的进化趋同，正如转录表型趋同所显示的那样。进化时间序列模型可能会进一步帮助解决来自平行CNA的表型选择模式。最后，在体外用细胞选择的单细胞测序法观察到单细胞水平的百万级拷贝长度变异（SSV）。

图3：单倍型特异性平行拷贝数演变

文章用单细胞基因组测序在细胞群水平上显示，SSVs实际上在TNBC和HGSC中普遍存在，并分布在肿瘤内的各克隆中。尽管产生SSVs的基本机制尚不清楚，但它们代表了一类新的变异，可能有助于富含FBI背景和多倍体基因组状态的肿瘤的结构拷贝进化。在所有的突变过程中观察到每一种前景突变模式，但FBI型肿瘤在所有三种前景模式中都表现出明显的富集。因此，FBI可能包括一个独特的表型类别，其中前台突变模式产生的多样性可能是预后不良的意义所在。按比例的单细胞测序是揭示基因组不稳定的肿瘤中隐藏的细胞结构拷贝数多样性状态的一种有用手段。在此提出的数据表明，前景突变模式是基因组编码表型多样性的关键决定因素，因此也是癌症的 '可进化性'。

教授介绍

Sohrab P. Shah博士

沙赫实验室专注于癌症进化、单细胞基因组学和转录组学、突变过程和药物反应的预测等主要课题。对支撑癌症的细胞动态的主要问题感兴趣。为什么一些癌症患者对治疗有反应，而另一些则屈服于他们的疾病？为什么有些治疗方法最初是有效的，但随着时间的推移会失败？癌细胞如何获得从身体的一个部位扩散到另一个部位的能力？这些都是基本的但尚未解决的问题，限制了我们对癌症进展的理解。通过进化的视角来看待癌症的进展，方法主要集中在研究癌细胞作为编码生物特性的基本信息单位。纪念斯隆-凯特琳医院利用单细胞技术和细胞成像，结合开发和部署最先进的机器学习工具，研究患者在治疗前、治疗中和治疗后的癌症细胞动态。工作跨越了基础和转化科学，包括技术和计算方法的开发，并应用于卵巢癌和乳腺癌的生物和临床问题。

参考文献

Tyler Funnell, Ciara H. O’Flanagan et al. Single-cell genomic variation induced by mutational processes in cancer.(2022)