100篇泛癌研究文献解读之癌症相关基因的饱和度分析

生信技能树

发布于 2019-05-15 18:10:42

1K0

发布于 2019-05-15 18:10:42

为了分析不同类型、组织起源肿瘤的共性、差异以及新课题。TCGA于2012年10月26日-27日在圣克鲁兹，加州举行的会议中发起了泛癌计划。参考：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6000284/ 为此我也录制了系列视频教程在：TCGA知识图谱视频教程（B站和YouTube直达）

发表在CNS正刊的泛癌研究不多，除了前面提到的 Nature. 2013 Oct 和 Cell. 2014 Aug ，接下来我们要介绍的是Nature. 2014 Jan , 引用也是近2000了，题目是：Discovery and saturation analysis of cancer genes across 21 tumour types. 主要关注的仍然是突变信息，仍然是寻找有统计学显著的癌症相关基因，创新点是分析了不同测序深度对找到的癌症相关基因的影响。

一个不容忽视的现象是TCGA计划的肿瘤外显子数据得到的突变位点突变频率通常是20%不到，而且非常多的肿瘤样本数据里面找不到任何重要基因的突变现象

病人数量和癌症种类

这里研究者收集了TCGA计划的12种癌症和其它计划的14种癌症的4742个病人的N-T外显子测序数据分析结果，各个癌症的样本量及突变数量如下：

分析癌症相关基因

这里使用 MutSig软件，首先分癌症内部找癌症相关基因，发现只有22个基因在3个以上的癌症出现，能同时出现在3个癌症的也就10个基因而已。

合并癌症可以找到114个癌症相关基因，其中有30个是区分癌症的时候找不到的，区分癌症可以找到224个基因，其中140个是合并后找不到的，它们共有的基因就84个，这个时候应该是用一个韦恩图展示。

这总共的254个基因，就是作者宣传的 Cancer5000 set ，然后研究者做了统计学校正，缩小到219个基因，就是Cancer5000-S (for ‘stringent’) genes.

跟CGC比较

COSMIC数据库维护的CGC基因集，Cancer Gene Census - COSMIC 在这篇文章里面采用的是V65，也就130个基因，其中82个都在作者的 Cancer5000 set 里面。

有趣的是在 Cancer5000-S 这个219个基因里面，有81个不在CGC也不在公开发表的文章里面，作者认为是 ‘novel’ genes 进行细致的探索。即使这81个里面有40个可能是假阳性，也至少还是41是有意义的。

然后作者就一个个描述了这些基因，可怕！！！

测序饱和分析和功效检验

主要是对测序数据进行抽样，看看各个癌症需要收集多少个病人进行测序，才算是足够。

对部分VAF值非常低的突变来说，样本量大于10万（50种癌症，每个2000样本），才有可能全部覆盖。

Down-sampling of the full Cancer5000-S procedure (Fig. 4c): we repeated our procedure of constructing the Cancer5000-S list by applying the stringent procedure of correction for the approximately 400,000 hypothesis (18,388 genes 322 analyses), and computed how many genes remained significant at each smaller set size.