Nature?| 既往治療決定了兒童癌癥復發時的突變譜

撰文丨易

盡管兒童癌癥的生存率在過去幾十年間取得了顯著提升，但這一成就很大程度上依賴于治療強度的增加，而這往往以患者終身承受嚴重的副作用為代價。放化療等基因毒性療法會導致一系列長期并發癥，包括生長激素缺乏、聽力損失、心臟毒性以及認知功能下降等，使得幸存者罹患嚴重甚至危及生命狀況的風險顯著增加。雖然化療在誘發繼發性惡性腫瘤中的因果作用已被證實，但其對腫瘤復發和轉移的具體影響機制尚不明確?；熕幬飼谀[瘤基因組中留下特征性的突變模式，即所謂的 “ 突變印記 ” ，這些印記反映了癌細胞在經受治療后存活下來的痕跡，因此可能成為指導治療決策、乃至考慮降級治療的重要線索。然而，以往的研究受限于樣本量小、測序技術局限以及缺乏關鍵的化療劑量和時間信息，導致我們對于這些治療相關的突變信號何時出現、在基因組上留下了何種傷疤、以及它們是否具有組織特異性等問題知之甚少。

近日，加拿大多倫多兒童醫院Adam Shlien在Nature期刊上發表題為Prior therapy defines mutation profiles in childhood cancer at relapse的研究論文，通過對大規模兒童癌癥隊列的全基因組測序和突變印記分析，系統揭示了化療尤其是鉑類藥物在腫瘤基因組中留下的強烈且快速的誘變痕跡，并證明這些治療相關的突變印記與治療耐藥和不良預后密切相關，為未來通過監測這些印記來指導治療降級和追蹤耐藥克隆提供了重要的基因組學依據。

研究團隊首先 通過整合來自加拿大、澳大利亞和美國三個大型前瞻性全基因組測序項目的611個腫瘤樣本，構建了一個覆蓋約100種腫瘤類型、包含544名兒童癌癥患者的多機構研究隊列。不僅對這些腫瘤進行了全基因組測序，還由多名腫瘤學研究員對患者的病歷進行了統一標準的重新注釋，系統收集了超過3200條詳盡的治療數據點，涵蓋86種不同的治療藥物、具體劑量、用藥周期和給藥途徑。基于這一龐大的數據基礎，對所有類型的體細胞突變 —— 包括1495萬個單堿基替換、7.4萬個雙堿基替換、216萬個插入缺失、4.5萬個結構變異和8.4萬個拷貝數改變 —— 進行了全面的定量分析，發現接受過治療的晚期腫瘤其突變負荷幾乎是未經治療的初發腫瘤的兩倍，其中鉑類藥物在所有化療藥物中導致了最多的突變數量和最高的患者比例。

隨后，為了深入解析這些突變的來源， 團隊 采用經典的非負矩陣分解方法，從非超突變和超突變腫瘤中分別提取了大量突變印記，最終鑒定出65個COSMIC數據庫中已有的和29個全新的突變印記。為了將這些印記與具體的化療藥物聯系起來，進行了一項嚴格的多變量富集分析，在控制年齡、性別和腫瘤純度等因素后，首次系統性地建立了化療藥物與特定突變印記之間的因果關聯。例如，不僅確認了鉑類藥物與已知的SBS31、SBS35和DBS5印記的強相關性，還發現了兩個與之相關的新穎印記SBS288L5和DBS78H2，并通過獨立的兒童和成人癌癥數據集驗證了這些新發現的可靠性。此外，研究還發現替莫唑胺與一個此前報道過的印記SBS288L3顯著相關，而放射治療則與特定的插入缺失印記ID5、ID8以及一個新的拷貝數改變印記CN48A相關聯。

進一步地，為了揭示治療相關突變在腫瘤演化過程中出現的時間動態， 研究團隊 利用141個鉑類藥物治療過腫瘤的精確用藥日期數據，追蹤了鉑類印記變得可檢測的最短時間窗口。發現鉑類印記最早可以在開始治療后91天被檢測到，并且需要腫瘤至少積累1454個單堿基替換的突變負荷。即便設定了如此嚴格的時間和突變閾值，仍有高達35%的鉑類藥物治療過的腫瘤在開始治療后僅僅12個月內就已經顯現出相應的突變印記，這一比例在18個月時上升至48%，并在33個月時達到50%的平臺期，顯示出鉑類藥物對基因組的快速且強烈的誘變效應。相比之下，其他如蒽環類和抗代謝類藥物的印記出現速度則明顯較慢。

然后，為了探究這些治療誘導的突變印記是否具有臨床意義， 團隊 將目光轉向了患者的預后和耐藥機制。對攜帶鉑類印記的腫瘤進行了RNA測序分析，發現這些腫瘤中顯著過表達了已知的鉑類藥物解毒基因GSTA1和外排轉運蛋白基因ABCC2，表明腫瘤細胞已經協同激活了耐藥機制。更重要的是，在兩個獨立的兒童和成人癌癥隊列中進行的生存分析一致表明，攜帶鉑類印記的患者其臨床結局顯著更差：在兒童隊列中，所有在治療后91天以上采樣且疾病進展的患者都帶有強烈的鉑類印記；而在成人轉移性癌癥隊列中，原發腫瘤攜帶鉑類印記的患者在接受鉑類藥物再治療后發生疾病進展的可能性顯著更高。此外，染色體不穩定性印記分析也發現，在印記陽性的樣本中顯著富集了一個已知能預測鉑類藥物耐藥的CX5印記。

最后，為了探索是否存在常規突變印記分析未能捕捉到的額外基因組損傷， 團隊 訓練了一個集成機器學習分類器，利用SBS96、SBS288和SBS1536三種不同分辨率的突變類型作為特征。該模型在區分鉑類印記陽性與陰性腫瘤時表現出極高的準確性，F1分數達到了0.89。關鍵的是，當從特征中移除已知的鉑類印記信號后，模型的性能僅下降了約10%，這表明在傳統的突變印記之外，還存在大量與鉑類藥物暴露相關的、尚未被充分表征的基因組特征。該模型同樣能夠穩健地區分鉑類藥物治療過的腫瘤與從未接受過治療的腫瘤，并且成功泛化到了成人的鉑類治療腫瘤數據集中，顯示了其廣泛的適用性。

綜上所述，本研究通過大規模全基因組測序、系統的突變印記分析、精細的藥物暴露時間追蹤、臨床預后關聯驗證以及機器學習建模，系統揭示了化療在兒童癌癥基因組中留下的復雜而深刻的傷疤。不僅量化了不同化療藥物的誘變強度，定義了突變印記出現的時間動力學，還建立了這些印記與治療耐藥和不良預后之間的直接聯系，從而為未來的治療降級策略和通過液體活檢監測耐藥克隆的出現提供了堅實的基因組學依據。

https://doi.org/10.1038/s41586-026-10803-1

制版人： 十一

學術合作組織

（*排名不分先后）

戰略合作伙伴

（*排名不分先后）

推薦直播

轉載須知

【原創文章】BioArt原創文章，歡迎個人轉發分享，未經允許禁止轉載，所刊登的所有作品的著作權均為BioArt所擁有。BioArt保留所有法定權利，違者必究。

BioArt

Med

Plants

人才招聘

點擊主頁推薦活動

關注更多最新活動！