科学家们一直致力于揭示癌症基因组的秘密，尽管先进的研究工具使他们能够深入了解癌细胞基因组，发现恶性病变下的DNA改变，但量化这些改变并非易事。例如，癌细胞基因组极端混乱，常伴有全染色体大片缺失或额外拷贝。一些肿瘤细胞的DNA含量是健康细胞的数倍。此外，研究所用的肿瘤样本从来都不是100%纯粹的，总是包含少量未发生变异的细胞。这些因素使得癌症遗传变异的研究变得复杂。
近日，来自美国哈佛-麻省理工博德研究所的研究人员开发出一种新的计算机方法——ABSOLUTE，可帮助克服这些复杂因素。ABSOLUTE通过相对测量DNA量，在绝对（每个细胞）基础上计算遗传改变，推断每个样本的纯度和“倍数性”（每个癌细胞中基因组数目），从而提供癌症潜在遗传变异的详实图谱。该研究发表于《自然生物技术》（Nature Biotechnology）。
文章第一作者、博德研究所癌症计划计算机生物学家Scott Carter说：“大多数生物学，包括癌症，都发生在细胞中。当准备组织样品进行分析时，细胞膜破裂，每个细胞的数据会由此丢失。为了使实际测量的结果与基础生物学关联起来，必须回归到细胞单位。”
大规模研究通常在数百或数千癌症样本中筛查DNA改变，因此很难直接和精确测定每个样本的纯度和倍数性。科学家们迄今采用非直接评估纯度和倍数性的相对DNA改变测量，这种方法可以揭示部分基因组相比其他部分DNA的多寡，但不能在每个细胞的基础上辨别改变，使得大量有价值的信息被掩盖。Carter说：“你开始着手测量DNA量的相对改变，但为了更好地了解癌症，你真的希望了解癌细胞特异性的改变。”
ABSOLUTE推断出纯度和倍数性，确保在每个细胞的基础上进行测量。这一正应用于几个大型癌症基因组计划的新方法也阐明了肿瘤中的细胞进化与种群结构。文章的资深作者、博德研究所癌症基因组计算机分析主任Gad Getz说：“ABSOLUTE为在细胞水平上深入了解癌症潜在的遗传改变提供了一个新窗口。这一宝贵工具也使我们对大规模研究中肿瘤细胞的构成获得了前所未有的理解。”
在应用这一方法之前，科学家们从包含正常和恶性细胞的肿瘤样本中提取DNA，采用芯片或DNA测序测量基因组每个位点遗传物质的相对数量，测量结果随局部“拷贝数”变化（因复制或缺失导致的额外或缺失DNA）而不同。然后，ABSOLUTE将复杂的统计学分析应用到相对数据中，为结果中数据点代表的每个细胞值提供可能的选择。例如，癌症样本中的10号染色体有可能在相对数据中显示健康细胞中70%的量，表明存在缺失。而ABSOLUTE生成的数据模型将更可能的值指定给这部分——为整数值，例如每个细胞0、1、2或3个拷贝。
ABSOLUTE还揭示出了一些不可能被克隆，或并非存在于每个肿瘤细胞中的变异。随着肿瘤的生长，癌细胞进一步突变，有时生成带有独特遗传变异的“亚克隆”，这些遗传变异用现有方法通常很难辨别。ABSOLUTE能够揭示包含独特突变的细胞亚克隆群体。这一认识能帮助科学家们将目的突变分类为克隆或亚克隆，具有重要的研究意义：克隆突变是设计治疗的重要靶标，亚克隆突变则可以促进对靶向治疗的耐受。
研究小组将这一新方法应用到了跨25个癌症类型的3155个样本微阵列数据的拷贝数变化分析中，其中包括来自美国NIH癌症基因组图谱（TCGA）研究计划的多形性胶质母细胞瘤和卵巢癌样本。这些分析表明，全基因增倍在癌症中非常常见。在一些癌症类型中，超过一半的样本包含双倍基因组。这种方法还使研究小组能够检测与基因增倍相关的拷贝数改变时间，表明基因组倍增可以影响肿瘤进化轨迹。
利用来自TCGA研究计划的214个卵巢癌样本测序基因组，科学家们随后能够应用ABSOLUTE，不仅将每个癌细胞值指定给拷贝数变异，还有点突变。这一方法鉴别出了仅存在于肿瘤亚克隆中的改变。点突变数据模式也使研究小组可将突变基因分类为肿瘤抑制基因或癌基因。“这一分析为我们了解突变的功能提供了窗口，”Carter说。他解释说，这种方法有可能用于帮助鉴别来自其他癌症研究数据中的新功能性基因。
通过提供关于纯度和倍数性的有价值信息，ABSOLUTE使研究人员能够挑选最纯的样本用于全基因组测序研究，设计出适当的测序策略检测这些样本中的突变。这一方法被博德研究所研究人员应用到了近期的前列腺癌、头颈部癌和结直肠癌等研究中。研究小组还在继续改进这一方法，并将其应用到正在开展的癌症基因组研究中。研究人员也在努力收集来自治疗前后癌症患者的样本，检测癌症治疗诱导的改变，观测亚克隆的进化。
ABSOLUTE提供了癌细胞基因组启发性的新认识，正在帮助揭开这一疾病的神秘面纱。对于Carter而言，将这些数据回归到“细胞单位”对于获得生物学理解至关重要。“我们希望这一新工具将能够推动开展更多对于癌症中DNA角色的启发性研究，”Carter说。