DNA突变频谱不应该是仅限于肿瘤somatic的SNV

肿瘤DNA测序（比如WES或者WGS），通常是需要取病人的正常组织或者血液，以及肿瘤组织，两个测序结果对比才能定位到真正的肿瘤somatic的SNV。

而且对成百上千的somatic的SNV通常是需要去看突变频谱，比如2020的文章 ：《Multiomics profiling of primary lung cancers and distant metastases reveals immunosuppression as a common characteristic of tumor cells with metastatic plasticity》 ，就是简单的做了分析，并且描述一下占比比较高的signature是什么，以及 它的生物学意义：

• signature 1 (as- sociated with spontaneous deamination),
• signature 2 (associated with APOBEC- mediated processes),
• signature 24 (exposure to aflatoxin),
• signature 13 (associated with APOBEC-mediated processes),

如下所示的条形图展示各个病人测序结果里面的不同signature占比 ：

病人测序结果里面的不同signature占比

而且病人既然是有分组的， primary tumors and metastases ，这两个分组的就可以把突变分成3类：

• mutations shared by primary tumors and metastases (trunk),
• only detected in primary tumors (pr-only),
• only detected in metastases (met-only).

继续组合后看somatic的SNV的signature，并且进行比例差异展示。

文章：《Germline genomic patterns are associated with cancer risk, oncogenic pathways, and clinical outcomes》，发表在Sci Adv . 2020 Nov，提出cancer-associated germline genomic patterns (CGGPs),的概念。

利用非负矩阵分解算法（NMF）将大约10,000名癌症病人的胚系基因组的碱基（ATCG）序列进行解析，发现了七种和癌症发生有正向或负向相关性的胚系DNA指纹（DNA fingerprint）

We obtained 430,772,708 germline substitutions from the whole-exome sequencing data of 9712 cancer patients in The Cancer Genome Atlas (TCGA) , representing 22 cancer types and 46,998,783 somatic substitutions from their paired tumor genomes. Meanwhile, whole-exome data of 16,670 noncancer individuals from three cohorts

这七种和癌症发生有正向或负向相关性的胚系DNA指纹（DNA fingerprint）可视化后如下所示：

胚系DNA指纹

文章内容很丰富， 有了7个DNA指纹就可以看它在不同癌症的分布情况，以及在不同癌症的临床意义。

写在文末

我在《生信技能树》，《生信菜鸟团》，《单细胞天地》的大量推文教程里面共享的代码都是复制粘贴即可使用的， 有任何疑问欢迎留言讨论，也可以发邮件给我，详细描述你遇到的困难的前因后果给我，我的邮箱地址是 jmzeng1314@163.com

如果你确实觉得我的教程对你的科研课题有帮助，让你茅塞顿开，或者说你的课题大量使用我的技能，烦请日后在发表自己的成果的时候，加上一个简短的致谢，如下所示：

We thank Dr.Jianming Zeng(University of Macau), and all the members of his bioinformatics team, biotrainee, for generously sharing their experience and codes.

十年后我环游世界各地的高校以及科研院所（当然包括中国大陆）的时候，如果有这样的情谊，我会优先见你。