对7,827个瘤的泛癌亚克隆突变分析预测了临床结果

科学领域:

• 在瘤学瘤学.
• 计算生物学 计算生物学
• 基因组学就是基因组学.

背景情况:

• 瘤内部的异质性推动了癌症的演变和治疗耐药性.
• 了解突变克隆性和亚克隆架构对于精确的癌症治疗至关重要.
• 目前的亚克隆重建方法在计算上很慢,限制了大规模研究.

研究的目的:

• 为子克隆突变聚类开发一种计算效率高的方法.
• 为了能够对亚克隆结构和临床结果进行大规模分析.
• 调查不同类型癌症中亚克隆突变负载 (sML) 的临床意义.

主要方法:

• 通过对对惩罚 (CliPP) 开发了克隆结构识别,这是一种规范化的概率模型,用于集群亚克隆突变.
• 应用CliPP来处理来自12,000多个瘤样本的全基因组和全外基因组测序数据.
• 进行了来自32种癌症类型的7,827种瘤的泛癌分析,并在免疫治疗试验中分析了一组前列腺癌患者.

主要成果:

• 在24小时内,CliPP处理了超过12,000个瘤样本,克服了计算瓶.
• 较高的亚克隆突变负载 (sML) 与16种癌症类型的低至中度瘤突变负担 (TMB) 的更好的患者结局显著相关.
• 在前列腺癌患者中,高的sML预测了对免疫检查点阻塞疗法的良好反应.

结论:

• CliPP使得癌症中亚克隆结构的快速大规模分析成为可能.
• 亚克隆突变负载 (sML) 是与临床结果相关的关键癌症特征.
• sML具有预测免疫治疗反应的潜力,特别是在非高TMB癌症中.