糖尿病會(huì)影響壽命嗎？糖尿病人若想活得久，建議保持5習(xí)慣
關(guān)鍵詞：糖尿病
腫瘤細(xì)胞正是得益于一些具有“正向選擇“功能的驅(qū)動(dòng)突變,這種基因突變往往能起到促進(jìn)細(xì)胞生長(zhǎng)、入侵、抵抗死亡等作用。從而賦予腫瘤細(xì)胞增殖優(yōu)勢(shì)。識(shí)別這些突變的驅(qū)動(dòng)基因一直是了解腫瘤發(fā)病機(jī)制和尋找相應(yīng)治療策略的重要組成部分。
但腫瘤基因組中存在許多中性突變（對(duì)腫瘤的發(fā)生發(fā)展并不關(guān)鍵），且來自不同組織的腫瘤的突變具有一定的特異性，如何判斷一個(gè)突變是驅(qū)動(dòng)突變還是中性突變一直以來都是腫瘤領(lǐng)域研究的熱點(diǎn)與難點(diǎn).
最近，一個(gè)來自麻省理工學(xué)院Bonnie Berger教授團(tuán)隊(duì)和哈佛醫(yī)學(xué)院Po-Ru Loh教授的團(tuán)隊(duì)在通過深度學(xué)習(xí)的方法繪制了千堿基級(jí)分辨率的癌癥特異性體細(xì)胞突變率圖譜，并在此基礎(chǔ)上開發(fā)了可快速、精準(zhǔn)識(shí)別腫瘤基因組中任意位置驅(qū)動(dòng)突變的方法（Dig算法）。
研究人員利用這種算法探索了腫瘤非編碼區(qū)發(fā)現(xiàn)了內(nèi)含子中隱蔽剪接單核苷酸變異，及5’非翻譯區(qū)突變?cè)诓糠烛?qū)動(dòng)基因（如TP53）中起到關(guān)鍵作用,的驅(qū)動(dòng)突變，相關(guān)研究發(fā)表在期刊《自然生物技術(shù)》 。
通常，識(shí)別驅(qū)動(dòng)突變的方法主要有兩種，一種是基于癌癥驅(qū)動(dòng)突變比中性突變頻率更高的頻率算法，另一種是基于突變基因編碼的蛋白質(zhì)的危害性評(píng)估的基因功能算法。對(duì)于第一種算法，識(shí)別過度突變的關(guān)鍵在于準(zhǔn)確的體細(xì)胞中性突變率模型。
為了構(gòu)建特定類型腫瘤的全基因組體細(xì)胞突變率模型，研究人員使用概率深度學(xué)習(xí)模型，通過識(shí)別以下兩個(gè)特征進(jìn)行計(jì)算：由表觀遺傳學(xué)特征如染色質(zhì)可及性等導(dǎo)致的千堿基級(jí)變異，以及由DNA序列改變?nèi)缱贤饩€暴露等導(dǎo)致的堿基對(duì)級(jí)變異。
通過PCAWG（泛癌數(shù)據(jù)庫(kù)）、Roadmap表觀基因組學(xué)（表觀遺傳學(xué)數(shù)據(jù)庫(kù)）、ENCODE（轉(zhuǎn)錄調(diào)控?cái)?shù)據(jù)庫(kù)）和參考基因組的數(shù)據(jù)，應(yīng)用Dig算法構(gòu)建了37種癌癥類型的突變率圖譜和推斷的核苷酸突變偏向性。
研究員構(gòu)建特定類型腫瘤的全基因組體細(xì)胞突變率模型
通過比對(duì)Dig預(yù)測(cè)的突變率及實(shí)際的突變率，Dig成功預(yù)測(cè)10-kb區(qū)域內(nèi)單核苷酸變異（SNV）的中位數(shù)為77.3%，在1-Mb區(qū)域內(nèi)的中位數(shù)為94.6%。由于Dig具有識(shí)別局部表觀遺傳結(jié)構(gòu)的能力（如活躍的轉(zhuǎn)錄起始點(diǎn)），并將這些結(jié)構(gòu)與突變率聯(lián)系起來，其識(shí)別突變的效率及準(zhǔn)確性優(yōu)于同類的其他模型。
在構(gòu)建的體細(xì)胞突變率模型具有優(yōu)異準(zhǔn)確性的基礎(chǔ)上，Dig識(shí)別腫瘤驅(qū)動(dòng)基因的效率自然也不遑多讓。相比于其他用于識(shí)別驅(qū)動(dòng)突變的算法，Dig在全基因組或全外顯子測(cè)區(qū)的樣本中顯示出相同或更好的效率。
值得一提的是，使用Dig識(shí)別潛在的驅(qū)動(dòng)基因比現(xiàn)有方法快1-5個(gè)數(shù)量級(jí)，Dig只需要不超過90秒，就可抵得上現(xiàn)有方法10分鐘到超過2天的計(jì)算。
相比于同類型算法，Dig在預(yù)測(cè)體細(xì)胞突變路及識(shí)別腫瘤驅(qū)動(dòng)基因的效率更好
對(duì)于編碼區(qū)的驅(qū)動(dòng)突變，已有很多算法進(jìn)行研究，因此，研究人員著重利用Dig對(duì)非編碼區(qū)的驅(qū)動(dòng)突變進(jìn)行研究，這也是Dig算法的一大優(yōu)勢(shì)，先前的許多算法都僅適用于尋找編碼區(qū)的驅(qū)動(dòng)突變。
首先，研究人員利用Dig算法來量化腫瘤中可能存在于基因外顯子和內(nèi)含子中的隱蔽剪接SNV（經(jīng)典剪切位點(diǎn)外的體細(xì)胞突變并可致可變剪切）的程度。
通過計(jì)算發(fā)現(xiàn)，在所選擇研究的腫瘤抑制基因集中，隱蔽剪接SNV的發(fā)生頻率要高于預(yù)期（P&0.001），且主要集中在內(nèi)含子中。在腫瘤抑制基因集中，隱蔽剪接SNV約占到所有潛在驅(qū)動(dòng)SNV的4.5%，略低于經(jīng)典剪切SNV的頻率（7.4%）。在12種腫瘤中，有7個(gè)腫瘤抑制基因具有顯著的內(nèi)含子隱蔽剪接SNV負(fù)擔(dān)，如TP53和SMAD4。
抑癌基因中潛在驅(qū)動(dòng)SNV各類型占比及7個(gè)具有顯著的內(nèi)含子隱蔽剪接SNV負(fù)擔(dān)的抑癌基因
有趣的是，對(duì)于原癌基因，隱蔽剪接SNV發(fā)生的頻率并不高，這提示隱蔽剪接SNV應(yīng)該是導(dǎo)致功能喪失，而不是功能激活。
此外，研究人員還使用Dig算法研究了基因啟動(dòng)子中插入缺失標(biāo)記（indels）的負(fù)荷。結(jié)果顯示，TP53啟動(dòng)子是唯一具有全基因組顯著indels負(fù)擔(dān)的元件，且全為缺失突變（大部分缺失超過4個(gè)堿基）。這些突變集中在5’非翻譯區(qū)，影響轉(zhuǎn)錄因子結(jié)合，抑制TP53的轉(zhuǎn)錄，從而驅(qū)動(dòng)腫瘤發(fā)生。
TP53的5’非翻譯區(qū)發(fā)生indels導(dǎo)致腫瘤發(fā)生
對(duì)106個(gè)腫瘤抑制基因和95個(gè)具有多外顯子5’非翻譯區(qū)的癌基因的5’非翻譯區(qū)進(jìn)行計(jì)算發(fā)現(xiàn)，ELF3的5’非翻譯區(qū)同樣有顯著的SNV負(fù)擔(dān)。然而，因?yàn)橄鄳?yīng)轉(zhuǎn)錄數(shù)據(jù)獲取受限，研究人員無法對(duì)這些5’非翻譯區(qū)突變的功能進(jìn)行進(jìn)一步分析。
總的來說，研究人員基于概率深度學(xué)習(xí)方法開發(fā)的Dig算法可快速、準(zhǔn)確地在測(cè)試基因組中尋找潛在的突變基因，其在構(gòu)建中性突變率模型和識(shí)別候選驅(qū)動(dòng)基因方面的強(qiáng)大性能，突出了深度學(xué)習(xí)在該類研究中的廣闊前景。
Dig算法概覽
由于Dig算法可快速評(píng)估分布在大范圍基因組上的突變，因此其特別適用于識(shí)別弱或中等具有正向選擇作用的驅(qū)動(dòng)基因。
然而，該研究也有一定的缺陷，該研究?jī)H靠計(jì)算預(yù)測(cè)，并不足以確定某一突變?cè)谀[瘤發(fā)生及發(fā)展中的因果作用，過量的突變率并不意味著其一定具有正向選擇作用。因此，為了確定突變與腫瘤驅(qū)動(dòng)因素的因果作用尚需實(shí)驗(yàn)驗(yàn)證。