《自然》子刊：揭秘化疗引起的基因突变！

“是药三分毒。”

抗癌药自然也不例外。

近日，来自西班牙的Nuria Lopez-Bigas团队在顶级期刊《自然·遗传学》上发表重要研究论文[1]。

他们从全基因组测序水平，分析了6种抗癌疗法（5个化疗，1个放疗）对3506个转移肿瘤的影响。找到了上述6种治疗方式在细胞DNA上留下的突变特征（简称“印迹”），还发现了一些放化疗药物会大幅加快DNA突变频率，最高能达到自然突变频率的100倍，甚至是1000倍。

此外，他们也评估了这些放化疗疗法对肿瘤突变负担的影响，以及可能给健康细胞带来的疾病驱动型变异风险。

研究人员认为，基于他们的发现，可以精确评估不同癌症疗法给DNA带来的突变风险，以了解它们的长期副作用。

▲ Nuria Lopez-Bigas（图源：Wikipedia）

使用了70余年的化疗，目前仍是很多原发肿瘤的主要且有效治疗手段。许多化疗会引起DNA损伤，选择性比较差，癌细胞和正常细胞都会遭殃。

虽然这些药物在大部分时候会杀死癌细胞或者正常细胞，但是仍有很多细胞“带伤”躲过一劫。那些出现在DNA上的伤，最终会转化成突变[1]。

也就是说，化疗药物会导致癌细胞和健康细胞出现基因突变。已经有很多研究表明，化疗引起的DNA突变，可能就是治疗之后给患者造成长期不良影响的基础[2-4]，甚至是癌症卷土重来[5-7]。

用大白话说，化疗带来的基因突变，可能给患者带来不确定的健康隐患。

在患者从治疗中获益越来越持久的免疫治疗时代，这种潜在的安全隐患，再次将患者暴露于危险之中。对于那些从治疗中获得临床治愈的儿童癌症患者而言，这种影响就更不能忽视了。

Lopez-Bigas认为，之前在这个方面的研究是不够的，尤其是化疗对正常体细胞和生殖细胞的影响。

▲ 论文截图

不过提出这个研究课题容易，做起来却是相当有难度。

为啥呢？

因为从整体上看，虽然放化疗对体细胞和生殖细胞有一定的影响，但是单从细胞的水平看，甚至是组织的层面看，都很难检测到这种影响。

这跟体细胞和生殖细胞与癌细胞增殖的方式不同有关。癌细胞是克隆扩增的，一旦出现突变，很容易就会被放大。但是体细胞和生殖细胞就没这技能，所以放化疗对它们的影响几乎是不可能检测得到的。

那咋办呢？

Lopez-Bigas团队把目光投向了那些接受过治疗的转移癌症患者。在研究人员看来，放化疗给细胞带来的DNA损伤以及基因突变，对于任何一个细胞而言都是独立的、类似的。而肿瘤细胞的克隆性扩增的特点，让检测这些突变成为可能。有了这个结果，就可以一窥放化疗对正常细胞的影响。

▲ 图源：www.sanger.ac.uk

接下来的工作就是找合适的数据库，分析数据。

说来也巧。Lopez-Bigas团队看上了荷兰Hartwig医学基金会的一个癌症转移灶全基因组数据库[8]。

其实，荷兰这个团队早在2018年就做出研究成果了，然后在bioRxiv上发了预印本，本月初发表在顶级期刊《自然》上了。（不得不说，我和这个数据库真是很有缘分呐~）

Lopez-Bigas团队从这个数据库中调取了3506个转移灶的全基因组测序数据。然后通过SignatureAnalyzer（v.4）[9，10]和SigProfiler（v.2.3）[11，12]两种方法，寻找突变特征。

6800多万个单碱基突变（SBS），近90万个双碱基突变（DBS）和1100多万个插入缺失突变标签分别被提取出来。当然，和一周前的研究一样，很多位点以前也被发现过。

▲ 研究过程

突变的信息已经有了，接下来要获取的就是患者的治疗信息。据说，研究人员是手动整理了3500多名患者的治疗信息。

最终汇总出来，其中有2124个肿瘤样本是从接受过治疗的患者身上获取的，这些患者的治疗方式分布在58大类206种已获FDA批准的治疗方式之中。1848名患者用过其中两种及以上药物。

在获取患者的转移肿瘤组织之前，所有患者平均接受药物治疗2.33年。铂类药物（顺铂，卡铂和奥沙利铂）是这些患者最常使用的药物。

▲ 不同的癌种和治疗方式

初步分析治疗方式与变异标签之间的关系时，研究人员发现6种治疗方式有规律可循。

这治疗方式分别是：结合并破坏DNA的3种铂类药物（顺铂，卡铂和奥沙利铂），放疗，以及两种核苷代谢抑制剂——卡培他滨和5-氟尿嘧啶（5-FU）。

对于3种铂类药物而言，它们在患者体内留下的印记有：4个单碱基突变和2个双碱基突变。放疗有一个插入缺失突变标签。还在卡培他滨和5-氟尿嘧啶治疗的患者体内发现了一些全新的单碱基突变印迹。

▲ 变异类型大汇总

为了进一步确定上述突变确实是放化疗带来的。研究人员又进一步假设：既然治疗相关的突变是药物带来的，那么从进化的角度讲，它们应该是在肿瘤发展的晚期才出现的。这是它们与内源自然突变的一大不同点。

那从理论上讲，前面发现的突变都应该出现在晚期克隆中。根据2017年发表的计算方法[13]，Lopez-Bigas团队又分析了一回数据。然后将发现的所有单碱基突变分成“早期克隆”或“晚期克隆”两类。

结果和他们预测的一样，那些与治疗相关的单碱基突变在“晚期克隆”中富集，而且倾向于出现在亚克隆之中。此外，研究人员还观察到，与治疗时间最短的四分之一患者相比，治疗时间最长的四分之一患者体内治疗相关的肿瘤突变负担更高。反观那些自然出现的突变，则没有这个特征。

以上的数据都指向一个事实，前面发现的突变印迹，确系治疗引起的。

二者之间的因果关系这就算是确定了。

▲ 治疗相关突变的特征

那么治疗带来的变异对健康有哪些潜在的威胁呢？

实际上，自然界发生的大部分突变对人体的影响是不大的。不过，要是突变改变了基因编码的蛋白，甚至影响到癌症相关基因的功能的话，那就非常危险了。

在后面的研究中，研究人员就将药物治疗带来的变异与自然突变做了个比较。

他们分析发现，在自然发生的每1000个突变中，有33.53个会影响基因的编码，1.47个会影响已知的癌症相关基因序列。而由奥沙利铂引起的1000个突变中，预计有12.27个会影响编码基因的序列，而只有0.6个会影响已知癌症基因的序列。

从数据的角度看，是不是感觉药物引起的变异好像也没啥~

▲ 不同的处理方式与突变的关系

厉不厉害，咱们得结合实际来看。

研究人员发现，用奥沙利铂治疗21周的肠道肿瘤，会出现20个治疗引起的影响基因编码的变异，其中有1个会影响到癌症相关基因的编码。而自然突变在这同一时期，只会带来1个影响基因编码的变异，以及0.01个影响癌症相关基因的突变。

同一时间内，二者相差了100倍。

而这种差异极有可能也反应在患者的健康体细胞或者生殖细胞上。

▲ 药物处理变异与自然变异之间的比较

总的来说，在206种治疗方式中，研究人员只发现5种化疗和1个放疗，存在特定的基因突变印迹。研究人员认为，这背后有两个可能的原因。第一个是，其他的疗法不会直接破坏DNA；第二个是，他们的分析方式比较严格，一些不那么突出的关联极有可能被漏掉。

不过，研究人员认为，他们开发的这个方法可以用于一些大队列中，分析某种疗法与患者的突变之间的关系。

一旦我们知道了这种对应的相关性，不仅可以实现精准化疗，还可以控制好治疗的时间窗口，尽可能的降低治疗对患者的长期影响，这点对年轻的患者，尤其是儿童患者非常重要。

参考资料：

[1].Oriol Pich, Ferran Muiños, Martijn Paul Lolkema, et al. The mutational footprints of cancer therapies[J]. Nature genetics, 2019.

[2].Kopp L M, Gupta P, Pelayo-Katsanis L, et al. Late effects in adult survivors of pediatric cancer: a guide for the primary care physician[J]. The American journal of medicine, 2012, 125(7): 636-641.

[3].Iyer N S, Balsamo L M, Bracken M B, et al. Chemotherapy-only treatment effects on long-term neurocognitive functioning in childhood ALL survivors: a review and meta-analysis[J]. Blood, 2015, 126(3): 346-353.

[4].van der Plas E, Nieman B J, Butcher D T, et al. Neurocognitive late effects of chemotherapy in survivors of acute lymphoblastic leukemia: focus on methotrexate[J]. Journal of the Canadian Academy of Child and Adolescent Psychiatry, 2015, 24(1): 25.

[5].Dracham C B, Shankar A, Madan R. Radiation induced secondary malignancies: a review article[J]. Radiation oncology journal, 2018, 36(2): 85.

[6].Boffetta P, Kaldor J M. Secondary malignancies following cancer chemotherapy[J]. Acta Oncologica, 1994, 33(6): 591-598.

[7].Choi D K, Helenowski I, Hijiya N. Secondary malignancies in pediatric cancer survivors: perspectives and review of the literature[J]. International journal of cancer, 2014, 135(8): 1764-1773.

[8].Priestley, P., Baber, J., Lolkema, M.P. et al. Pan-cancer whole-genome analyses of metastatic solid tumours[J]. Nature, 2019.

[9].Kasar S, Kim J, Improgo R, et al. Whole-genome sequencing reveals activation-induced cytidine deaminase signatures during indolent chronic lymphocytic leukaemia evolution[J]. Nature communications, 2015, 6: 8866.

[10].Kim J, Mouw K W, Polak P, et al. Somatic ERCC2 mutations are associated with a distinct genomic signature in urothelial tumors[J]. Nature genetics, 2016, 48(6): 600.

[11].Alexandrov L B, Nik-Zainal S, Wedge D C, et al. Signatures of mutational processes in human cancer[J]. Nature, 2013, 500(7463): 415.

[12].Alexandrov L B, Nik-Zainal S, Wedge D C, et al. Deciphering signatures of mutational processes operative in human cancer[J]. Cell reports, 2013, 3(1): 246-259.

[13].Gerstung M, Jolly C, Leshchiner I, et al. The evolutionary history of 2,658 cancers[J]. BioRxiv, 2018: 161562.