【生信文献200篇】88 弥漫大B细胞性淋巴瘤的基因和功能驱动

文章信息

英文标题：Genetic and Functional Drivers of Diffuse Large B Cell Lymphoma

中文标题：产生弥漫大B细胞性淋巴瘤的内在基因和功能驱动

期刊：《Cell》

影响因子: 41.582 发表时间: 2017 Oct 5

研究领域：弥漫大B细胞性淋巴瘤

文献概述

问题：弥漫性大B细胞淋巴瘤（DLBCL）是最常见的血液系统恶性肿瘤，其特征在于显著的遗传和临床异质性。这种异质性对理解疾病的遗传基础及其对治疗的反应构成了主要障碍。

方法：对1001名DLBCL患者的整个外显子组测序和转录组测序进行了综合分析，以全面定义该疾病的150个遗传驱动因素。使用DLBCL细胞系的无偏倚CRISPR筛选来表征这些基因的功能，以定义促进细胞生长的癌基因。

结论：这些结果全面定义了遗传驱动因素及其在DLBCL中的功能作用，以确定疾病中的新治疗机会。

实验结果

DLBCL中的遗传驱动因素

从发现阶段开始，通过对1001个DLBCL和400个成对种系DNA进行全外显子组测序来鉴定DLBCL中突变的基因。

这里显示了最常发生突变的前 60 个基因。

下面添加了一些其他信息：国际预后指数评分，对治疗的初始反应（是否完全反应），以及DLBCL的起源细胞亚群，活化的B细胞样（ABC）和生发中心B细胞样（GCB）DLBCL。研究中的大样本量不仅能够鉴定DLBCL中的驱动基因，而且还可以清楚地了解已知驱动基因中的突变类型。

DLBCL中的效应细胞

使用RNAseq筛选DLBCL亚组，以生成775名患者表达数据，这些患者具有足够的材料。使用基因表达来区分原细胞，鉴定了313个ABC DLBCL和331个GCB DLBCL，而其余的是未分类的DLBCL。

通过两种互补的方法验证了基于RNAseq的分类的有效性。表达数据与RNAseq和Nanostring的细胞之间有很好的一致性。使用免疫组织化学比较，发现两个Hans算法类之间的RNAseq分类评分显著不同。

这些数据表明，RNAseq可以可靠地用于区分DLBCL细胞的起源亚群。

DLBCL驱动基因的联系

进一步研究了ABC和GCB DLBCL亚组之间突变频率的差异。这两个亚组绝大多数驱动基因是一致的。然而，两组中有20个基因发生突变。

61个基因与其他驱动基因相互联系，从图中可看出基因之间的关联

CRISPR筛选的功能基因组学

六种细胞系：三种ABC DLBCL（LY3，TMD8和HBL1），两种GCB DLBCL（SUDHL4和Pfeiffer）和一种Burkitt淋巴瘤细胞系（BJAB）。

CRISPR原理图如下。

根据CRISPR评分对所有基因进行了排序，CRISPR评分是每个基因的改变程度的衡量标准，通过全外显子组测序确定的遗传驱动因素不成比例地处于分布的极端。在确定的基因组区域内，没有发现任何必需的驱动基因可能受到拷贝数扩增的影响。因此，必需的驱动基因敲除导致的适应性降低反映了这些基因在DLBCL背景下的功能重要性。

总共有35个驱动基因，其敲除导致DLBCL细胞的活力下降，将它们鉴定为功能性癌基因。在35个CRISPR驱动基因命中中，有9个基因是治疗药物靶点的直接靶标，无论是在人体临床试验中还是在已经用于另一种适应症。重要的是，36%的DLBCL患者在这9个药物靶点中存在遗传改变，并可能从靶向治疗中受益。

基因表达与遗传改变和结果的关联

首先试图通过对所有RNA可用的肿瘤进行RNA测序（N = 775）来查看DLBCL中的相关基因表达特征。分析确定了31个非冗余基因簇，每个簇都包含高度相关的基因集，以及代表每个簇的示例性基因簇。

对于这些基因集示例中的每一个确定了与高表达和低表达相关的遗传改变。特征与突变基因（突变和拷贝数改变）的热图。

进一步研究了CRISPR和这些基因集的关系。发现与癌症相关过程相关的基因集显示出CRISPR鉴定的驱动基因的显著富集。最后测试了每个集群示例特征与患者总体生存率的相关性。GCB DLBCL特征与更好的总生存率相关。

DLBCL驱动基因的临床特征

诊断和初始治疗后的总生存期。国际预后指数（IPI）的临床风险组在我们的患者中具有高度预后性，在低、中、高危人群的生存方面有明显的区别。

在GCB DLBCL组中，NFKBIA，NCOR1的遗传改变与较差的预后相关，而EZH2，MYD88和ARID5B的改变均与显著更好的预后相关。

作者开发了一种交互式网络工具（dlbcl.davelab.org），用于临床和基因组特征的生存分析。如图C 所示。

MYC遗传改变与MYC表达相结合，显示了DLBCL中预后最差的亚群，而CD70改变的GCB DLBCL预后最有利。使用独立的测试集（20%的数据）验证了预测建模方法。基因组模型在鉴别试验组中高死亡风险与低死亡风险的患者方面具有重要意义。整合模型的表现强优于其他基于遗传改变（"仅DNA"）或表达（"仅RNA"）的模型。基因组模型能够识别出每组患者中结果明显不同的患者。

临床风险与基因组风险的比较

基因组风险模型的表现优于DLBCL中所有这些现有的风险预测因子。虽然IPI在早年具有高度预后性，但其效果随着时间的改变而减弱。相比之下，基因组风险模型对预测长期死亡率具有显著的预后价值。这些数据表明，IPI在预测早期死亡率方面的作用最大，而基因组风险在预测早期和晚期死亡率方面是有效的。

对初始治疗的反应与生存率显著相关，完全缓解的中位生存期为>12年，而部分（2年）和无反应（1年）的中位生存期则大大降低。对于很大一部分患者来说，实现完全缓解并不一定表明治愈，IPI更具预测性。与IPI相比，基因组风险模型在完全缓解组中的高风险患者百分比更高。基因组风险模型在每个临床反应组中都是高度预后性的，这表明患者的基因组特征强烈影响其预后风险，无论他们对治疗的初始反应如何。

总结

1. CRISPR筛选提供了一种强大的方法来探测遗传驱动因素的功能作用，识别直接影响细胞存活的驱动基因。
2. 在确定的150个驱动基因中，有27个基因，包括SPEN，KLHL14和MGA，这些基因以前从未报道过与DLBCL有关。
3. 作者的研究证明了将基因组方法应用于大型，特征明确的癌症队列的好处，以辨别小型研究无法实现的模式。