7个外显子测序的克隆进化快速搞定4分文章
第三期线上直播肿瘤克隆进化生信分析培训课程报名啦！
深度解析：Reconstructing oral cavity tumor evolution through brush biopsy
文章基本信息
标题: Reconstructing oral cavity tumor evolution through brush biopsy
作者: John, E., Lesluyes, T., Baker, T.M. et al
期刊:Sci Rep
影响因子:3.9
发表时间: 2024年
DOI: https://doi.org/10.1038/s41598-024-72946-3
研究领域: 肿瘤基因组学、计算生物学、亚克隆重建算法评估
文章摘要
具有基因组改变的口腔潜在恶性疾病（OPMD）发展为口腔鳞状细胞癌（OSCC）的风险更高。目前，基因组数据通常是通过侵入性组织活检获得的。然而，刷式活检是一种非侵入性方法，已被用于鉴定OPMD中的发育异常细胞，但其反映OPMD基因组景观的有效性仍不确定。这项初步研究调查了刷式活检样本在准确重建OPMD和OSCC患者的基因组图谱和肿瘤演变方面的潜力。我们分析了成对组织和刷式活检样本中的单核苷酸变异（SNVs）、拷贝数畸变（CNA）和亚克隆结构。结果显示，刷式活检有效地捕获了90%的SNV，并且其CNA特征与所有病变的配对组织活检中的CNA特征相似。这是特定的，因为正常的口腔黏膜没有这些基因组改变。有趣的是，刷检显示，同一患者的不同OPMD和OSCC病变之间存在共同的SNV和CNA，表明有共同的祖先起源。亚克隆重建证实了这种共同的祖先，随后病变发生了不同的演变。这些发现强调了刷式活检在准确代表OPL和OSCC基因组图谱方面的潜力，证明了重建肿瘤进化的洞察力。
样本收集
三个配对样本和一个血液对照样本
WES测序深度为145X
关键软件及R包列表
名称 | 应用 | 适用数据 | 链接 |
|---|---|---|---|
| BWA | 将测序 reads 比对到参考基因组 | FASTQ 格式的测序数据 | http://bio-bwa.sourceforge.net/ |
| FastQC | 高通量测序数据的质量控制 | FASTQ、BAM、SAM 等格式 | https://www.bioinformatics.babraham.ac.uk/projects/fastqc/ |
| SamTools | 操作 SAM/BAM/CRAM 格式的比对文件 | SAM、BAM、CRAM 文件 | http://www.htslib.org/ |
| Picard | 处理高通量测序数据（格式转换、排序、标记重复等） | SAM、BAM、CRAM、VCF 等 | https://broadinstitute.github.io/picard/ |
| GATK | 变异发现与基因型分析（遵循最佳实践流程） | BAM、CRAM、VCF、参考基因组等 | https://gatk.broadinstitute.org/ |
| Mutect2 | 体细胞变异 calling（GATK 工具） | 肿瘤‑正常配对或单肿瘤样本的 BAM 文件 | https://gatk.broadinstitute.org/hc/en-us/articles/360037593851-Mutect2 |
| Integrative Genomics Viewer (IGV) | 基因组比对和变异的可视化 | BAM、VCF、GFF、WIG 等多种格式 | https://igv.org/ |
| SigFit | 突变特征分析（提取和拟合突变特征） | 突变目录（如 VCF 或 MAF 格式） | https://github.com/kgori/sigfit |
| ASCAT | 肿瘤纯度和倍性估计，等位基因特异性拷贝数分析 | SNP 阵列数据或测序数据（如 BAM 等） | https://www.crick.ac.uk/research/labs/peter-van-loo/software |
| MEDICC2 | 肿瘤进化分析（基于拷贝数图谱） | 拷贝数数据（如从测序得到的拷贝数分段文件） | https://github.com/amfz/medicc2 |
| DPClust | 亚克隆结构推断（对体细胞突变进行聚类） | 突变等位基因频率数据（如来自 VCF 或突变 calls） | https://github.com/Wedge-lab/dpclust |
研究成果
1.亚克隆重建工作流程
图示同一患者口腔潜在恶性病变（OPMD）、口腔鳞状细胞癌（OSCC）病灶及正常颊黏膜样本，这些样本均通过刷取活检和组织活检获取。对样本进行比对后，从比对读段中调用体细胞突变。使用ASCAT构建拷贝数变异（CNA）谱，随后对单核苷酸变异（SNV）的克隆分数（CCF）进行聚类，以识别样本中的亚克隆谱系，并完成系统发育重建。
2.每个病变中刷检样本和组织样本之间共享的突变
3.ASCAT图谱显示每个样本中的拷贝数变异
组织样本与刷取样本的比较表明，每个病变中的缺失和获得模式相似。肿瘤纯度定义为样本中癌细胞的比例
4.使用DPClust进行SNV聚类
各聚类根据图例颜色标注。左下角的红色区域显示SNV的密度，密度周围的圆圈标记了它们所属的颜色编码聚类。右上角的蓝色区域展示了SNV的分布情况，每个SNV根据其所属的聚类进行颜色标注。
5.亚克隆结构重建
(a) 每个突变的拷贝数分数（CCF）折线图。该图显示了每个簇中的突变数量、每个样本中存在的簇数量，以及样本间共享和独特的簇数量。每条线代表一个突变，线的长度对应该突变的CCF值。
(b) 检测到的每个克隆和亚克隆在所有样本中均以彩色编码的圆圈表示。每行代表一个样本，圆圈的面积与相应亚克隆的CCF成正比。克隆和近克隆群体用实线边框表示。圆圈图分为三类：主干（所有样本中CCF=1，当前样本中未见）、分支（存在于多个样本中，或未在所有样本中发现，或至少在一个样本中为亚克隆）和叶（特定于单个样本）。
(c) 亚克隆树，显示亚克隆之间及与样本最常见近期祖先（MRCA）的关系。系统发育树的分支长度与每个簇中的突变数量成正比，分支上标注了其存在的样本。
6.该肿瘤突变图谱展示了每个样本中已知驱动基因突变的存在情况
所属的簇以及对应的CCF值。每行标注了基因及其蛋白质改变。驱动突变的CCF值通过从白色（0）到红色（1）的渐变色标显示，其中CCF值为0（白色）表示样本中不存在该突变。突变还根据其所属的簇（图谱左侧）和突变类型（图谱右侧）进行标注。
Reference
John, E., Lesluyes, T., Baker, T.M. et al. Reconstructing oral cavity tumor evolution through brush biopsy. Sci Rep 14, 22591 (2024).