TCGA研究團(tuán)隊從染色體的非整倍性、DNA超甲基化、mRNA，miRNA表達(dá)水平、反相蛋白芯片（RPPA）數(shù)據(jù)5種平臺對約10,000例樣本33種腫瘤類型的樣本集進(jìn)行單平臺聚類和整體聚類。大部分單平臺聚類結(jié)果揭示出這種分類主要源于組織學(xué)或解剖學(xué)類型差異。而使用iCluster對多平臺數(shù)據(jù)整體聚類則通過突變、染色體拷貝數(shù)變化、通路和微環(huán)境等共性特征進(jìn)一步擴(kuò)大了癌癥亞型分類的范圍。

這些共性特征對分子分類學(xué)的作用甚至超越了腫瘤階段或起源組織的表型貢獻(xiàn)。通過尋找解剖學(xué)相關(guān)的癌癥類型之間的分子相似性，比如泛胃腸道癌、泛婦科癌、泛腎癌、泛鱗狀癌癥以及與干細(xì)胞特性相關(guān)癌癥的泛癌癥分析提供了基礎(chǔ)，從而可能對治療手段的發(fā)展提供幫助。

文章題目：Cell-of-Origin Patterns Dominate the Molecular Classification of 10,000 Tumors from 33 Types of Cancer

研究人員：TCGA研究團(tuán)隊

發(fā)表時間：2018.04.05

期刊名稱：Cell

影響因子：30.41

研究背景

許多種類的癌癥基因組研究和分子分析表現(xiàn)出基因組缺陷，信號通路和致癌過程改變的巨大差異性。這種差異可能是內(nèi)源因素，如生長和分化程序、起源細(xì)胞的表觀狀態(tài)和外源因素，如誘變劑、病原體和炎癥的結(jié)合。早在2014年，TCGA報道了對12種癌癥類型約3527例腫瘤樣本的初步研究，從6種平臺（DNA：外顯子測序，DNA甲基化，拷貝數(shù)；RNA：mRNA和microRNA測序；蛋白質(zhì)：腫瘤相關(guān)蛋白和磷蛋白檢測）對腫瘤進(jìn)行實驗，提出了與現(xiàn)有的基于器官／組織學(xué)的病理學(xué)分類系統(tǒng)不同的基于分子特征的新型分類系統(tǒng)，并估計至少有十分之一的腫瘤患者因新分類方法而被重新定義類別。在此基礎(chǔ)上，TCGA研究團(tuán)隊進(jìn)一步對大型腫瘤數(shù)據(jù)庫癌癥基因組圖譜（The Cancer GenomeAtlas，TCGA）中約10,000例樣本，包括33種腫瘤類型的腫瘤數(shù)據(jù)集進(jìn)行了整體的分子分析，從而提供了第一個區(qū)分TCGA中不同腫瘤分子起源的綜合視圖。

研究方法

樣本選擇

選取TCGA數(shù)據(jù)庫中至少擁有以上五種平臺數(shù)據(jù)中的一種數(shù)據(jù)的腫瘤樣本，共11,286例。其中，有9759例擁有4種平臺的完整數(shù)據(jù)：非整倍性、DNA甲基化、mRNA、miRNA；有7858例樣本擁有RPPA蛋白數(shù)據(jù)。

共有33種腫瘤類型，包括血液和淋巴惡性腫瘤類：急性淋巴白血?。↙AML），擴(kuò)散大B細(xì)胞淋巴瘤（DLBC），胸腺瘤（THYM）。器官系統(tǒng)類有：婦科實體瘤：卵巢癌（OV），子宮內(nèi)膜癌（UCEC），宮頸鱗狀細(xì)胞癌和腺癌（CESC），乳腺癌（BRCA）；泌尿類：膀胱尿路上皮癌（BLCA），前列腺腺癌（PRAD），睪丸生殖細(xì)胞腫瘤（TGCT），腎透明細(xì)胞癌（KIRC），腎嫌色細(xì)胞癌（KICH），腎乳頭狀細(xì)胞癌（KIRP）；內(nèi)皮素類：甲狀腺癌（THCA）和腎上腺皮質(zhì)癌（ACC）；核心胃腸道：食管癌（ESCA），胃腺癌（STAD），結(jié)腸腺癌（COAD），直腸腺癌（READ）；發(fā)展性胃腸道：肝細(xì)胞癌（LIHC），胰腺腺癌（PAAD），膽管癌（CHOL）；頭頸部：頭頸部鱗狀細(xì)胞癌（HNSC）；胸部：肺腺癌（LUAD），肺鱗狀細(xì)胞癌（LUSC），間皮瘤（MESO）。中樞神經(jīng)系統(tǒng)類有：成膠質(zhì)母細(xì)胞瘤（GBM），腦低級膠質(zhì)瘤（LGG）。軟組織類有：肉瘤（SARC），子宮癌肉瘤（UCS）。神經(jīng)嵴起源組織類：嗜鉻細(xì)胞瘤和副神經(jīng)節(jié)瘤（PCPG）。此外還有皮膚黑色素瘤（SKCM）和葡萄膜黑素瘤（UVM）。

分析方法

研究人員基于iCluster提出了一種新型泛癌癥圖譜的整體分析方法，通過4種不同的TCGA平臺，從33種癌癥類型中確定了28個不同的分子亞型。并證實了與常規(guī)臨床上腫瘤分類系統(tǒng)的重要差異和一致性。使用了一種新的2D可視方法，TumorMap，來解釋樣本和iCluster結(jié)果之間的差異。

研究成果

1.按單個平臺聚類

從5種平臺各自結(jié)果來看，通過非監(jiān)督聚類方式可以將樣本劃分至10～25個組別。研究人員觀察到不同癌癥類型被聚類到一組，同時同種癌癥類型的樣本分散到不同組別中。

對10,522例樣本按照染色體非整倍性聚類，共聚成10類。AN1-5染色體改變數(shù)較多，AN7突變數(shù)目較少。在以13號染色體增加和18號染色體缺失為特征的AN2分類中，含有胃腸道腫瘤（COAD, READ, STAD）和食管癌的樣本，這與2014年的研究結(jié)果一致。（圖1A）

對10,814例樣本按照DNA甲基化數(shù)據(jù)中3139個CpG位點進(jìn)行聚類，共聚成25類。盡管已除去了已知的組織特異性DNA甲基化位點，仍能觀察到來源于同一器官系統(tǒng)的腫瘤按照細(xì)胞類型聚在一起的趨勢。比如鱗細(xì)胞癌（HNSC, ESCA, LUSC和CESC）聚類到METH1-2組中，腺細(xì)胞癌中胃腸道腺癌（ESCA, STAD, COAD, READ）聚類到METH10-13組中。這和非整倍染色體結(jié)果也一致。（圖1B）

對10,165例樣本中mRNA表達(dá)量進(jìn)行聚類，共聚成25類。同樣觀察到腫瘤類型是很強(qiáng)的分類驅(qū)動因素。鱗狀癌（BLCA, CESC, ESCA, HNSC, LUSC）被聚類到一起。具有組織或器官相似性，或位置相近的癌癥類型也被聚到一起。比如神經(jīng)內(nèi)分泌和膠質(zhì)瘤(GBM, LGG, PCPG)；皮膚和眼的黑色素瘤(SKCM, UVM)；腎透明細(xì)胞癌和腎乳頭狀細(xì)胞癌；腎上腺皮質(zhì)癌和腎嫌色細(xì)胞癌；肝細(xì)胞癌和膽管癌；胃腸道組（COAD, READ, 非鱗狀ESCA, READ, STAD）；消化系統(tǒng)組（PAAD, STAD, 部分ESCA）；血液和淋巴癌組（LAML, DLBC, THYM），肺癌組（LUAD, LUSC）。（圖1C）

對10,170例樣本中miRNA表達(dá)量聚類，共15類。其中有6類為單癌癥類型。剩下9類每一類代表一種癌癥型的混合。比如MIR2富集了鱗狀癌；MIR11為泛腎癌；MIR6為泛胃腸癌組。（圖1D）

除急性淋巴白血病（無蛋白表達(dá)數(shù)據(jù)）外的32種腫瘤7858例樣本的蛋白質(zhì)表達(dá)數(shù)據(jù)共聚成10類。P1（GBM, LGG）、P2（DLBC, SARC, PCPG, UCS, THYM, 轉(zhuǎn)移性SKCM）與高EMT特征的間葉細(xì)胞狀腫瘤類型大部分一致。與其他平臺結(jié)果類似，來自相關(guān)器官系統(tǒng)的樣本被聚類到一起：婦產(chǎn)科類（BRCA-Luminal, UCEC, OV）；P6為泛腎癌；P8為泛胃腸癌組。（圖1E）

圖1 33種類型的10,000例TCGA腫瘤樣本基于各平臺數(shù)據(jù)的分類

2.多平臺的整體聚類分析

研究人員使用2014年發(fā)表的聚類分配算法（COCA）來評估這5種平臺數(shù)據(jù)聚類結(jié)果之間的重疊。泛胃腸道癌（COAD, READ, STAD, ESCA腺癌）在mRNA、miRNA、RPPA平臺數(shù)據(jù)的聚類中都被劃分到一起，但在DNA甲基化平臺中被分成不同類型。泛鱗狀癌（LUSC, HNSC, CESC, ESCA, BLCA）在其他平臺被聚到一起，在非整倍型和DNA甲基化兩個水平又被進(jìn)一步劃分。在泛婦科癌癥（BRCA, OV, UCEC, UCS）中，RPPA數(shù)據(jù)說明OV和UCEC在蛋白表達(dá)水平相似，然而在mRNA、miRNA和DNA甲基化數(shù)據(jù)中卻是按照器官位置被分組。值得注意的一點是，13%的BRCA亞型因為mRNA和DNA甲基化數(shù)據(jù)的不同而從其他BRCA中區(qū)分開來。（圖2A）

圖2 多平臺分類揭示了跨腫瘤類型下基因組、表觀組、轉(zhuǎn)錄組之間的相似性和差異性

盡管COCA方法在其他平臺結(jié)果有高度的一致性，但是對于非整倍性來說，約三分之一的樣本只有少量甚至沒有非整倍染色體事件發(fā)生。為了補(bǔ)充COCA結(jié)果，研究人員又對9759例擁有4種平臺完整數(shù)據(jù)的樣本（CNV, DNA甲基化, mRNA，miRNA）使用iCluster進(jìn)行分子亞型綜合分析進(jìn)行補(bǔ)充，共聚出28類。通過對不同平臺在iCluster潛在變量的特征權(quán)重累加，可以得到每個平臺數(shù)據(jù)在聚類中的相對貢獻(xiàn)值?？梢钥吹?，拷貝數(shù)變異在整體聚類分析中占了約47％的貢獻(xiàn)。轉(zhuǎn)錄組（mRNA, miRNA）占42%，DNA甲基化占11%。（圖2B）

從聚類結(jié)果來看，對于16個腫瘤類型，有超過80%的樣本聚在同一個Cluster中。其中8個是單腫瘤類型，其他Cluster包括來自相似或相關(guān)細(xì)胞或組織的腫瘤：如C28為泛腎癌，C15為皮膚和眼睛黑色素瘤等等。還有6種腫瘤類型被聚到了多個iCluster中。

泛胃腸道隊列可以根據(jù)DNA甲基化水平的差異分為三個iCluster：C1、C4和C18。C1主要包括超甲基化的EBV相關(guān)腫瘤，C18大部分則由MSI性腫瘤如STAD和COAD構(gòu)成，C4主要由CIN（染色體不穩(wěn)定）性腫瘤（如COAD和READ）組成。泛鱗癌隊列聚成了C10、C25、C27三個iCluster，而且基本所有的CESC都在C27中，LUSC都在C10中，這些泛鱗癌iCluster均擁有3q染色體擴(kuò)增的分子特征，同時C10包括了9p染色體缺失，C25包括了11號染色體擴(kuò)增的特異性特征。

在混合腫瘤類型的iCluster中，C7、C2和C13都是主要根據(jù)染色體拷貝數(shù)來區(qū)分定義的。C7主要包括9號染色體缺失的腫瘤，C2:BRCA主要包括ERBB－2擴(kuò)增的腫瘤如BRLA、BLCA和STAD，C13主要含有如BRCA－basal、UCEC（高染色體拷貝數(shù)亞型）等高度非整倍體腫瘤混合構(gòu)成。C3和C20主要由非腫瘤細(xì)胞組分的免疫或基質(zhì)分子特征來區(qū)分定義。研究人員對iCluster的非腫瘤成分進(jìn)行了進(jìn)一步研究，基于DNA甲基化數(shù)據(jù)，他們用1減去腫瘤純度和白細(xì)胞比例作為基質(zhì)的比例。其中C20的中間基質(zhì)比例最高，然后是C14、C10、C3（圖3A）。這些iCluster都表現(xiàn)出更高的白細(xì)胞比例（圖3B）。C3主要包含間充質(zhì)瘤，C20主要是混合性的上皮腫瘤。

圖3 iCluster樣本間的腫瘤微環(huán)境細(xì)胞組成

通過計算每個iCluster的優(yōu)勢癌癥類型比例并將其與平均的iCluster輪廓寬度（描述分子異質(zhì)性）進(jìn)行比較來描述各個iCluster的組成和異質(zhì)性（圖2C）。結(jié)果發(fā)現(xiàn)，7個泛器官系統(tǒng)中有6個具有與單個癌癥型的iCluster相近的分子異質(zhì)性范圍。由一個共同的特定染色體改變的iCluster（如C13，chr8缺失）往往構(gòu)成了多種腫瘤類型，并且最低的輪廓寬度說明具有大量的分子異質(zhì)性。

研究人員使用?；鶊D來進(jìn)一步可視化iCluster各分類、癌癥種類和器官系統(tǒng)之間的關(guān)系（圖2D），泛腎癌基本全部映射到C28類。而屬于鱗狀細(xì)胞癌的宮頸癌則使得泛婦科癌和泛鱗癌重疊。這表明iCluster受到個體癌細(xì)胞起源類型的強(qiáng)烈影響。

3.器官系統(tǒng)的腫瘤地圖（Tumor Map）

研究人員計算了所有樣本對在iCluster潛在變量之間的歐幾里得距離，并使用TumorMap將距離映射到2D平面上，揭示了iCluster、泛癌癥亞型和器官系統(tǒng)之間的關(guān)系（圖4A、B、C）。腎腫瘤分為KICH、KIRC和KIRP，其中CpG島甲基化腎細(xì)胞癌亞型（RCC－CIMP）位于泛胃腸道癌附近，這與它們DNA超甲基化平臺數(shù)據(jù)有關(guān)（圖4D）。泛婦科亞型有部分重疊（圖4E），并廣泛分布在各個iCluster中。泛胃腸道癌分子亞型（圖4F）則分別代表MSI腫瘤、超突變snv腫瘤、基因組穩(wěn)定腫瘤、 CIN腫瘤和EBV相關(guān)胃癌。

TumorMap圖表明，即使在Map生成過程中并沒有使用組織病理學(xué)信息，但具有相似病理分類的腫瘤仍傾向于聚到一起（圖5A）。這個結(jié)果突出說明了細(xì)胞起源對癌癥中觀察到的分子模式的影響，并且進(jìn)一步對泛鱗狀癌亞型分析提供支持。在TumorMap上基于Thorsson等人(2018年)發(fā)現(xiàn)的免疫信號亞型分類也得到了類似結(jié)果，這指示了iCluster、組織病理學(xué)信息和免疫浸潤類型之間的關(guān)系（圖5B）。泛鱗狀癌擁有共同的創(chuàng)面愈合和gamma干擾素主導(dǎo)的免疫信號。

癌癥干細(xì)胞作為一種治療耐藥性的可能機(jī)制，同時也是亞群重新生成新轉(zhuǎn)移灶能力的重要驅(qū)動因素。 基于mRNA表達(dá)和DNA甲基化數(shù)據(jù)的兩個干細(xì)胞指數(shù)揭示了TumorMap中不同區(qū)域上高干性腫瘤的聚集現(xiàn)象（圖5C、D）。TGCT（睪丸生殖細(xì)胞腫瘤）表現(xiàn)出較強(qiáng)的兩類干細(xì)胞特征，而其他腫瘤如LAML（急性淋巴白血?。﹦t只有基于mRNA的強(qiáng)干性特征。

圖4 iClusterTumorMap結(jié)果

圖5 iCluster TumorMap中的樣本特征

4.iCluster的變異性評估

研究人員統(tǒng)計了iCluster的突變負(fù)荷和signature特征。各種體細(xì)胞的突變負(fù)荷在不同iCluster中各不相同，黑色素瘤和肺腺癌、泛胃腸道癌和泛鱗狀癌的突變頻率相對較高（圖6A）。擁有最多癌癥類型組成的兩個iCluster（C3和C20）內(nèi)突變頻率差異很大。各個iCluster間的突變signature差異也較大。預(yù)期signature比較明顯，比如C15中的UVB signature，C14（肺腺癌）中的吸煙signature，C8（子宮內(nèi)膜癌）和C4（泛胃腸道癌）中超突變樣本的POLE突變（圖6B）。于此同時，還發(fā)現(xiàn)泛器官組如C18表現(xiàn)出已知的如CpG、毒素和未知的突變signature的富集。這可能和這個組中錯配修復(fù)缺陷型腫瘤的高占比有關(guān)。

圖6 iCluster突變模式

5.泛癌癥iCluster的亞型通路特征

研究人員比較了其他文獻(xiàn)中提到的基于PARADIGM的約19,000個通路特征、基于表達(dá)分?jǐn)?shù)的22個基因程序和18條典型的靶向通路，來探究這28個iCluster中的通路特點差異（圖7）。

C28（泛腎癌）具有高缺氧信號、視網(wǎng)膜代謝、低增殖、PPAR-RXR通路和包括免疫檢查點PD-1和CTLA4的免疫信號。然而另外的腎癌如KICH（腎嫌色細(xì)胞癌）和ACC（腎上腺皮質(zhì)癌）被共聚類到C9中，且在幾乎所有通路中都表現(xiàn)出低活性，這兩種癌癥類型都在染色體拷貝數(shù)分類中被分類為亞二倍體型。

C10、C25、C27等泛鱗狀癌iCluster盡管癌癥類型組成差異很大，但是在通路特征上具有許多相同之處。均具有高水平的鱗狀細(xì)胞相關(guān)信號、增殖相關(guān)通路，較高的缺氧、免疫相關(guān)信號及基礎(chǔ)信號。

泛胃腸道癌（C1、C4、C18）都具有相對較高的增殖信號，但也會存在一些通路特征差異性。如其中C4的免疫相關(guān)信號較低，而C1、C18較高。此外，擁有32%泛胃腸道癌樣本的混合iCluster C20也表現(xiàn)出很強(qiáng)的免疫相關(guān)信號。細(xì)胞粘附信號在C4、C18、C20中較高，但在C1中較低。

含有較多婦科癌癥類型樣本的混合性iCluster C13和C20都表現(xiàn)出了高基礎(chǔ)信號和增殖信號。盡管分布在不同iCluster中，卵巢癌、子宮內(nèi)膜癌、乳腺癌和宮頸癌等共有一些相似的通路，包括高增殖、DNA修復(fù)和基礎(chǔ)信號通路等。盡管在乳腺癌的兩個iCluster C2和C19中，雌激素信號基因程序GP7很高，但在其他婦科癌癥中表現(xiàn)較低。

圖7 通路特征確定PanCancer-33的亞型

文章總結(jié)

比起2014年12種癌癥的泛圖譜研究，本次研究的數(shù)量和種類都擴(kuò)大近3倍。本文首先通過對來自5個不同平臺的腫瘤數(shù)據(jù)分別進(jìn)行無監(jiān)督聚類，揭示了10,000例腫瘤樣本下與經(jīng)典腫瘤分類系統(tǒng)迥異的5種不同緯度的分子特征子集。比起其他4種聚類來說，染色體的非整倍性緯度是結(jié)果一致性最弱的，原因是約三分之一的腫瘤幾乎沒有拷貝數(shù)的變異。研究人員使用COCA來探究跨平臺的聚類關(guān)系，使用iCluster來將多平臺的分子數(shù)據(jù)同時整合到最終28個iCluster中。

這些iCluster中約三分之一是單腫瘤類型，三分之二表現(xiàn)出不同程度的異質(zhì)性。最多的C20甚至包含了25種癌癥類型。按照來源細(xì)胞或器官系統(tǒng)位置，這些腫瘤類型可以分為4類：泛胃腸道癌（pan-GI）、泛婦科癌（pan-gyn）、泛鱗狀癌（pan-squamous）、泛腎癌（pan-kidney）。這種iCluster的基于多平臺分類系統(tǒng)具有潛在的臨床應(yīng)用價值，通過更好地定義惡性腫瘤這一高度多樣化群體的起源組織，可能會進(jìn)一步改善1%-3%的未知原發(fā)性癌癥病人的治療方案。

TumorMap的可視化展示了4類起源模式的空間共定位，也揭示了盡管iCluster分類受到起源模式的強(qiáng)烈影響，但仍然存在著內(nèi)部的異質(zhì)性。通過對PARADIGM通路特征、典型通路和基因程序的鑒定，發(fā)現(xiàn)C3和C20都具有強(qiáng)烈的免疫相關(guān)信號特征，這預(yù)示著在臨床上可能可以針對這些iCluster腫瘤使用特定的免疫療法。C3、C20、C14、C10共有的JAK2/STAT通路表明不同腫瘤使用JAK-STAT治療的可能性。

隨著越來越多的臨床藥物開始以癌癥驅(qū)動通路為靶點（ALK, EGFR, ERBB2, ERα, KIT, BRAF, ABL1），傳統(tǒng)的解剖學(xué)分類系統(tǒng)應(yīng)該輔以一種基于不同組織類型中共有分子改變的分類方案。許多研究如NCI-MATCH研究正在調(diào)查這種新方法的臨床可行性和有效性。通過考慮突變和致癌信號通路、腫瘤的組織或細(xì)胞來源等對腫瘤做綜合的分子剖面分析，對改善籃式研究（不同癌癥共有的分子靶點研究）的設(shè)計有著可見幫助。

小編評論

傳統(tǒng)的癌癥分類主要基于組織學(xué)或解剖學(xué)特征。這項研究通過使用對多種類型分子數(shù)據(jù)聚類分析的方法，從分子的角度對癌癥分類和亞型進(jìn)行了定義。這種尋找分子共性的分類可以預(yù)見能以分子機(jī)制為驅(qū)動的治療方法帶來廣闊前景，這也與如今正熱的精準(zhǔn)醫(yī)療思想相一致。綜合聚類的研究方法也為我們尋找新的分子機(jī)制或靶點提供了啟示。

參考文獻(xiàn)：

[1] The Cancer Genome Atlas. Cell-of-Origin Patterns Dominate the Molecular Classification of 10,000 Tumors from 33 Types of Cancer[J]. Cell, 2018.

本篇轉(zhuǎn)載自： TumorDecoder

點擊閱讀原文獲取文獻(xiàn)

▼