《Briefings in Bioinformatics》：Identification of cancer mini-drivers by deciphering selective landscape in the cancer genome
编辑推荐：
本研究针对传统选择压力分析方法将基因内所有位点等同对待的局限性，开发了CN/CS计算器这一位点特异性选择压力分析新方法。通过解析癌症基因组中选择模式与致癌基因功能的相互作用，研究人员成功识别出一类独特的微型驱动基因，这些基因呈现弱阳性选择特征，其关键位点对癌症亚克隆适应性具有促进作用，而其他位点则受进化保守性约束。该研究为理解癌症异质性机制和分子进化提供了新见解，对推进治疗策略和预后评估具有重要意义。
癌症发展是由体细胞进化和克隆选择驱动的过程。然而，传统选择压力分析方法将所有基因位点等同对待，这种基因水平模型过度简化了癌症进化的复杂性。随着研究的深入，科学家们发现肿瘤间异质性远高于预期，仅有少量基因反复突变，许多肿瘤样本缺乏驱动基因，这表明癌症进展的分子机制仍埋藏在大量乘客基因中等待发现。
在这一背景下，多基因微型驱动模型应运而生。与驱动突变引起的跨越式进化不同，微型驱动突变只能为癌症亚克隆适应性提供缓慢渐进的提升，这也为肿瘤内高度异质性提供了合理解释。然而，如何系统识别这些微型驱动基因仍面临巨大挑战，主要障碍在于驱动基因预测算法的准确性和敏感性较低，以及对突变功能影响认识不足。
为了解决这一难题，研究人员开发了CN/CS计算器这一创新性方法。该方法能够捕捉作用于不同基因位点的选择压力，通过解读选择模式与基因在致癌过程中功能的相互作用，发现了一类独特的微型驱动基因。这些基因表现出弱阳性选择特征，其中某些关键位点为癌症亚克隆适应性提供环境依赖性的促进作用，而其他位点则受进化保守性约束。
研究团队采用了三个关键技术方法：首先利用TCGA PanCanAtlas MC3项目的体细胞突变数据，涵盖33种肿瘤类型、10,224例癌症患者；其次开发了CN/CS-H指标来检测弱阳性选择信号；最后构建了两组分混合模型来区分基因中的驱动组分和乘客组分。通过对癌症基因组选择景观的全面分析，研究不仅揭示了经典阳性选择的驱动基因，还发现了弱阳性选择的微型驱动基因。
选择压力解读框架
CN/CS计算器包含三个模块，能够全面表征癌症基因组的选择模式。第一模块引入CN/CS-H新指标，区分不同选择模式；第二模块使用两组分混合模型计算基因中驱动组分和乘客组分的比例；第三模块通过结合位点组分计算选择压力，描绘不同类型基因位点的进化动力学。该方法特别适合揭示微型驱动基因的三个主要特征：弱阳性选择、至少一个驱动位点贡献致癌过程、其余位点受功能约束。
癌症基因组选择压力景观
分析显示，19,266个基因的总体CN/CS值略大于1，表明癌症基因组整体呈现轻微阳性选择。其中333个基因CN/CS值显著大于1，29.1%为已知驱动基因。更重要的是，7,793个基因的CN/CS值显著大于1-H，表明约40%的基因包含赋予癌细胞选择优势的突变，但这种优势被保守位点的阴性选择所掩盖。驱动位点在基因中的比例非常小，但驱动组分的平均选择压力高达41.491，而乘客组分的平均选择压力为1.094，反映了不同的进化力量塑造模式。
选择模式整合定义驱动基因和微型驱动基因
应用CN/CS计算器在TCGA数据上识别出129个阳性选择基因和2,354个弱阳性选择基因，分别对应"驱动基因"和"微型驱动基因"概念。其中124个基因的乘客组分受到显著功能约束，被定义为"保守微型驱动基因"。系统发育分析显示，驱动基因和保守微型驱动基因的进化起源显著早于乘客基因和人类基因组基因，平均系统发育年龄分别为2.33和2.47，表明它们在生命进化中具有更基础的作用。
CN/CS计算器识别高可信度癌症驱动基因
与传统方法相比，CN/CS计算器在预测驱动基因方面表现出显著改进的性能。在123个预测的驱动基因中，近50%是广泛认可的"已知驱动基因"，包括TP53、PIK3CA和KRAS等著名癌症基因。临床意义分析显示，近50%的驱动基因具有临床可操作性，覆盖了大多数癌症患者，特别是在UCEC中，96%的患者携带可能导致药物敏感性、耐药性和副作用的驱动基因突变。
CN/CS计算器揭示多功能致癌微型驱动基因
在2,354个微型驱动基因中，33个突变功能预测方法显示突变位点具有显著更高的损害评分。ClinVar数据库注释了近500个微型驱动基因突变位点为"可能致病"或"致病性"。与OncoTriMD数据库比较发现，34.5%的微型驱动基因与不同证据水平的驱动基因重叠。功能相互作用网络分析显示，驱动基因与微型驱动基因的连接度(8.4)显著高于驱动基因与乘客基因的连接度(4.7)，表明微型驱动基因可能汇聚于癌症驱动相关通路。
微型驱动基因在癌症进化中的微效多基因模型
通过构建癌症表型预测模型，研究发现基于CN/CS计算器的微型驱动基因突变信息在预测癌症表型方面的性能与已知驱动基因相当，显著优于基于BLUP和乘客基因的模型。在癌症特异性水平上，添加CN/CS计算器基于微型驱动基因的突变信息能够显著提高驱动基因模型的性能，表明微型驱动基因可能对主要驱动基因发挥辅助或补充作用。
阴性选择揭示保守微型驱动基因的双重角色
研究发现保守微型驱动基因在多种方法中表现出显著更高的进化保守性评分，并且相比乘客和非保守微型驱动基因更富集必需基因。Achilles项目数据显示，64%的保守微型驱动基因在至少一个细胞系中被认为是必需的。例如，SMU1作为保守微型驱动基因，其驱动组分选择压力为5.08，而乘客组分选择压力仅为0.46，表明其在维持基本细胞功能中的不可或缺性。
这项研究的重要意义在于更新了肿瘤治疗范式，特别是在缺乏主要驱动基因的肿瘤中。针对单个基因可能无法获得满意结果，而在通路或细胞网络调控节点进行多靶点治疗更可能有效。此外，通过利用微型驱动基因与主要驱动基因之间的功能相互作用知识，可以优化治疗策略以利用特定分子亚型独有的脆弱性。然而，研究也存在一些局限性，如微型驱动基因预测可能存在假阳性结果，以及当前框架主要基于体细胞突变数据，可能无法捕捉由非突变机制驱动的致癌因素。未来需要整合多组学策略和虚拟细胞模型来更全面地理解致癌过程。
