构建儿童癌症治疗暴露队列
建立具有详细治疗暴露信息的全基因组测序队列以评估化疗致突变效应。
从KiCS、ZERO和MSK三个精准医学项目中收集611例肿瘤基因组和544例患者治疗数据，包括86种治疗药物、剂量、给药日期和途径。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
既往治疗决定了儿童癌症复发时的突变图谱
Prior therapy defines mutation profiles in childhood cancer at relapse
实验完整度
高多机构全基因组测序队列（611例肿瘤），结合体外/体内功能验证、患者样本及独立队列验证，包含突变特征、耐药基因表达和临床结局关联分析。
主要模型
儿童癌症患者肿瘤样本（KiCS、ZERO、MSK队列） 儿童癌症细胞系模型（既往体外研究引用） 成人癌症独立验证队列（POG、Hartwig Medical Foundation）
重点核对
铂类药物治疗暴露剂量、时间及给药途径（n=173肿瘤） 肿瘤样本采集时间与治疗开始间隔（中位109天 vs 622天） 铂类特征检测阈值：最低突变负荷1,454个替换（0.5 mut/Mb）和最短时间91天 独立队列验证：成人癌症（POG n=221）和儿童癌症（PROFYLE n=15）中铂类特征与临床结局关联 突变特征富集分析阈值：P<0.05，AUROC≥0.7，回归系数≥0.7
摘要
癌症儿童在治疗后会出现许多短期和长期副作用，但与化疗暴露相关的DNA损伤程度尚不清楚。本研究利用来自多机构队列、统一收集了治疗剂量和总暴露信息的全基因组测序肿瘤，使用突变特征来测量这种损伤。化疗和放疗是复发儿童肿瘤中唯一的外源性致突变剂，并且通常是DNA改变的主要来源。与未经治疗的肿瘤相比，治疗后癌症携带的私有特征数量接近三倍，体细胞突变总负荷为两倍。此外，不同化疗药物的致突变效应各不相同。铂类疗法（我们将相关特征的数量增加了一倍多）在大多数患者中导致了最高数量的变异。利用治疗暴露日期追踪治疗相关突变何时可被检测到，我们定义了铂类相关突变出现的最低阈值。值得注意的是，超过三分之一的接受铂类药物治疗的肿瘤在一年内就显示出可检测的铂类特征。这项工作提供了基因组学证据，证明化疗在儿童癌症中具有关键的致突变效应，是肿瘤进化的一个特定驱动因素。这些数据强调了治疗降阶梯的机会，以及未来在耐药克隆扩增前对其进行追踪的可能性。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 化疗在儿童癌症复发和转移中留下的突变特征及其出现时间、剂量依赖性和临床相关性是什么？
- 核心机制
- 铂类等化疗药物直接诱导DNA损伤，产生特定突变特征（如SBS31、SBS35、DBS5及新型SBS288L5、DBS78H2），这些特征在治疗后有丝分裂中固定，并可能通过上调耐药基因（GSTA1、ABCC2）导致治疗耐药。
- 主要证据
- 611例儿童肿瘤全基因组测序显示治疗后肿瘤突变负荷倍增，铂类特征在35%的肿瘤中12个月内出现；独立队列验证铂类特征与不良临床结局相关（成人队列OR=2.98-3.41）；RNA测序显示耐药基因过表达。
- 研究意义
- 为化疗致突变效应提供基因组学证据，提示治疗降阶梯机会，并为追踪耐药克隆提供可能。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
突变负荷和特征提取
量化治疗后肿瘤的突变负荷并提取突变特征。
使用SigProfilerExtractor对SBS、DBS、ID、SV和CNA进行de novo特征提取，并分解为COSMIC v3.2已知特征；根据突变负荷将肿瘤分为低负荷和高负荷组分别分析。
治疗-特征关联富集分析
鉴定特定化疗药物与突变特征的显著关联。
使用逻辑回归模型（调整年龄、性别和肿瘤纯度）评估药物与特征关联，计算AUROC和置换检验P值。
铂类特征出现时间及阈值分析
确定铂类特征可检测所需的最短时间和最低突变负荷。
利用治疗暴露日期（141例铂类治疗肿瘤），分析铂类特征出现与治疗开始时间及突变负荷的关系；深度靶向测序验证早期样本。
铂类特征与临床耐药和结局关联
评估铂类特征与治疗耐药及临床预后的关系。
对铂类治疗肿瘤进行RNA测序分析耐药基因表达；在两个独立队列（儿童PROFYLE n=15，成人Hartwig n=166）中分析铂类特征与临床结局关联；分析染色体不稳定特征CX5富集。
机器学习识别额外铂类相关基因组特征
探索常规突变特征分析未捕获的铂类相关基因组损伤。
使用随机森林、逻辑回归、XGBoost和CatBoost构建软投票集成分类器，基于SBS96、SBS288和SBS1536突变类型区分铂类特征阳性与阴性肿瘤。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
验证样本或模型特征
验证分子表达变化
评估体内效果
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 全基因组测序 | Illumina HiSeq X测序仪 | Illumina | -- |
| Illumina NovaSeq 6000测序仪 | Illumina | -- | |
| 突变特征分析 | SigProfilerMatrixGenerator | -- | v1.1.31 |
| SigProfilerExtractor | -- | v1.1.3 | |
| SigProfilerAssignment | -- | v0.1.1 | |
| 体细胞变异检测 | Mutect2 (GATK) | -- | v4.1.3 |
| Strelka | -- | v2.0.17 | |
| PURPLE | -- | v1.4.10 | |
| gridss | -- | v2.9 | |
| Battenberg | -- | v1.4.0 | |
| Pindel | -- | v1.5.4 | |
| 突变时序分析 | MutationTimeR | -- | v1.00.2 |
| 聚类突变分析 | SigProfilerClusters | -- | v1.0.11 |
| 机器学习分析 | scikit-learn | -- | v1.3.0 |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 儿童癌症队列构建 | 队列来源：KiCS、ZERO、MSK三个精准医学项目；样本量：611例肿瘤/544例患者；治疗暴露数据：86种治疗药物，包括剂量、日期、途径。 阅读提示：Methods 'Patients, therapy data and whole-genome sequencing'小节及Supplementary Tables 1-4。 |
| 全基因组测序和变异检测 | 测序平台和深度：KiCS Illumina HiSeq X（正常30×，肿瘤30×或60×），ZERO Illumina HiSeq X（正常30×，肿瘤60×或90×），MSK Illumina NovaSeq 6000（正常50×，肿瘤95×）；变异检测工具：Mutect2、Strelka2、PURPLE、gridss等。 阅读提示：Methods 'Detection of somatic alterations'小节。 |
| 突变特征提取 | 低/高负荷分组阈值：SBS 25,000突变（8.628 mut/Mb）；DBS低负荷444例/高负荷166例；ID低/中/高负荷89/487/35例；SigProfilerExtractor参数：100次重复，随机初始化。 阅读提示：Methods 'Mutational signature analysis'小节及Extended Data Fig. 3。 |
| 治疗-特征富集分析 | 纳入标准：至少5例肿瘤的治疗药物；统计阈值：P<0.05，AUROC≥0.7，回归系数≥0.7；置换检验：5,000次。 阅读提示：Methods 'Enrichment analysis'小节及Fig. 3c,d。 |
| 铂类特征时间与阈值分析 | 样本量：141例铂类治疗肿瘤有治疗暴露日期；阈值：最短91天，最低突变负荷1,454个替换（0.5 mut/Mb）；验证队列：成人POG队列n=221。 阅读提示：Fig. 4a及Extended Data Fig. 6a。 |
| 临床结局关联分析 | 儿童队列：PROFYLE n=15；成人队列：Hartwig Medical Foundation n=166；统计方法：Cochran-Mantel-Haenszel检验、多变量逻辑回归；调整因素：原发组织学、转移部位、铂类治疗频率。 阅读提示：Fig. 5b,c及Methods 'Statistics and reproducibility'小节。 |