多样化测序数据的统一处理：《癌症基因组图谱》与中国队列中结肠癌基因组景观的跨人群比较 可供购买

《Cancer Epidemiology, Biomarkers & Prevention》：Uniform Processing of Diverse Sequencing Data: A Cross-Population Comparison of Colon Cancer Genomic Landscapes from The Cancer Genome Atlas and a Chinese Cohort Available to Purchase

　　

摘要

背景：

结肠癌在基因上具有异质性，因此需要进行标准化的基因组分析以进行跨队列比较。尽管癌症基因组图谱-结肠腺癌（TCGA-COAD）是一个广泛使用的数据集，但其与其他种族群体的可比性仍不明确。本研究使用相同的数据处理流程系统地比较了TCGA-COAD和中国结肠癌队列ChangKang的基因组特征，以尽量减少方法学偏差。

方法：

两个队列的全外显子测序数据经过统一处理，以分析五个关键的基因组特征：肿瘤突变负担（TMB）、微卫星不稳定（MSI）、显著突变基因、突变特征和拷贝数变异（CNV）。样本被分为高突变亚组和低突变亚组以便进一步比较。

结果：

TCGA-COAD队列的整体TMB较高，这主要是由于高突变样本的比例较高。然而，ChangKang队列中的高突变亚组包含更多具有聚合酶ε（POLE）外切酶结构域突变的超突变病例，导致该亚组的TMB更高。MSI在TCGA-COAD中更为普遍，而显著突变基因的频率有所不同，ChangKang队列中APC和ACVR2A的突变率较低。CNV模式大体相似，尽管TCGA-COAD中的CNV频率较高。

结论：

尽管亚组分布和突变频率存在差异，但这些不同种族群体的结肠癌的总体基因组特征仍然一致。这表明，在应用标准化处理方法的情况下，进行跨人群分析是可行的。

影响：

本研究对TCGA-COAD和中国ChangKang队列进行了系统的、无偏的比较，证明基因组特征在不同种族群体中大体上是一致的。

数据可用性

TCGA-COAD队列的原始数据作为受控数据可在GDC数据门户中获取。ChangKang队列的原始数据可从CNCB-NGDC获取（访问编号HRA000873），但这些数据的可用性受到限制，因为它们是按照许可协议用于本研究的，因此不向公众公开。不过，经CNCB-NGDC许可并合理请求后，可以从作者处获取这些数据。