TCGA收官之作—27篇重磅文献绘制“泛癌图谱”

TCGA的关键数字：图片来源《细胞》

由美国政府发起的癌症和肿瘤基因图谱（Cancer Genome Atlas，TCGA）计划于2006年联合启动，目前已经收录了来自1万多例病人的33种癌症的数据，2.5PB的数据量。全世界无数顶尖肿瘤学家经过10多年的辛苦工作，于近期公布了TCGA研究的收官之作：“Pan-Cancer Atlas”泛癌症图谱。这些研究精华共发表了27篇相关论文，涉及基因组测序，转录组测序，甲基化等表观组学测序以及最终的整合分析，同时研究者也将它们与临床和影像数据相关联，展示的数据可谓是人类癌症研究的“google earth”。更棒的是，这些数据将对全球所有的医生和研究人员免费公开。《Cell》更是以封面文章，形象的汇报了这一成果。

CellPress专门为这些文章建立了网站：

http://www.cell.com/pb-assets/consortium/pancanceratlas/pancani3/index.html

在网站中，“Pan-Cancer Atlas”泛癌症图谱将这些文章分为三个领域：肿瘤细胞起源（Cell-of-Origin Patterns）、致癌过程（Oncogenic Processes）和癌症信号通路（Signaling Pathways）。阅读这些文章，便可以领略过去的10年中，世界顶尖肿瘤学家是如何从分子特征角度对癌症进行研究的。

今天请先和小编一起领略这些文章的概要，细节内容大家请自己下载阅读哦

1、探肿瘤细胞起源（Cell-of-Origin Patterns）

Pan-Cancer Atlas根据分子相似性对人类肿瘤类型进行了重新分类，指出起源细胞可以影响但不能完全决定肿瘤分类，这一发现将有助于未来的临床试验设计和结果解读。其相关工作也揭示了对于癌症亚群的新见解，包括妇科癌症，乳腺癌，胃肠道癌，鳞癌和肾癌，并揭示了干细胞样特征与致癌性去分化的相关性。

旗舰文章：

《Cell》

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

全面综合的分子分型能够识别多种人类癌症之间的分子关系，为探索癌症治疗的临床可行性提出了未来的方向。

其它相关文章：

《Cell》

Machine Learning Identifies Stemness Features Associated with Oncogenic Dedifferentiation

从TCGA肿瘤的转录组和表观遗传学数据中提取的干细胞特征，揭示了肿瘤新的生物学机制和临床见解，发现了用于抗癌治疗的潜在药物靶标。

《Cancer Cell》

A Comprehensive Pan-Cancer Molecular Study of Gynecologic and Breast Cancers

通过对2,579 例TCGA妇科癌症（OV，UCEC，CESC和UCS）和乳腺肿瘤数据进行分子分析，Berger等使用16个关键分子特征鉴定了5种预后亚型，并基于可将患者进行亚型分类的6种临床可评估特征提出决策树。

《Cancer Cell》

Comparative Molecular Analysis of Gastrointestinal Adenocarcinomas

通过分析921例胃肠道腺癌患者数据，研究者发现高度突变肿瘤样本富含插入/缺失，染色体不稳定性的上消化道肿瘤富含片段化的基因组，一部分基因组稳定的结肠直肠肿瘤富含SOX9和PCBP1突变。

《Cell Reports》

Genomic, Pathway Network, and Immunologic Features Distinguishing Squamous Carcinomas

Campbell等人揭示来自不同组织部位的鳞状细胞癌可以与其他癌症区分开来，并且可通过染色体，DNA甲基化，mRNA和microRNA表达或突变的改变而进行分子分类。这些影响鳞状细胞的通路和可能会提供治疗靶点。

《Cell Reports》

The Cancer Genome Atlas Comprehensive Molecular Characterization of Renal Cell Carcinoma

Ricketts等人发现每个肾细胞癌亚型都有其显著特征，这个可以为开发亚型特异性治疗和管理策略提供基础。 BAP1，PBRM1和代谢途径的体细胞改变与亚型特异性存活率降低相关，而CDKN2A改变，DNA超甲基化和Th2免疫标记与所有亚型的存活降低相关。

2、致癌过程（Oncogenic Processes）

Pan-Cancer Atlas提供了导致人类癌症的致癌过程的全景图。它揭示了生殖系基因突变和体细胞突变如何在癌症进展中相互协作，并探索突变对细胞信号传导和免疫细胞组成的影响，为开发新疗法和免疫疗法提供见解。

旗舰文章：

《Cell》

Perspective on Oncogenic Processes at the End of the Beginning of Cancer Genomics

基于PanCancer Atlas分析的致癌过程，突出强调了基因组改变对人类癌症信号传导和多组学图谱以及其对肿瘤微环境的复杂影响。

其它相关文章：

《Cell 》

Pathogenic Germline Variants in 10,389 Adult Cancers

泛癌症分析鉴定了数百种具有癌症易感性的生殖细胞突变体。

《Cell》

Comprehensive Characterization of Cancer Driver Genes and Mutations

对33种癌症类型的> 9000个肿瘤样本的致癌驱动基因和突变进行综合分析，突出强调了TCGA肿瘤样品中临床可操作的癌症驱动事件的发生率。

《Cell Reports》

Driver Fusions and Their Implications in the Development and Treatment of Human Cancers

高等人分析了33种癌症类型的9,624样本中的基因融合事件。它们提供了检测到的融合事件的整体图谱，并将融合与基因表达相关联，重点关注激酶融合结构，互斥突变和融合模式，并突出针对融合现象开发药物的可用性。

《Immunity》

The Immune Landscape of Cancer

Thorsson等人对10,000多种肿瘤进行免疫组织化学分析，鉴定出包含多种癌症类型的6种免疫亚型，并提出可能影响预后的免疫应答模式。

《Cell Reports》

Spatial Organization and Molecular Correlation of Tumor-Infiltrating Lymphocytes Using Deep Learning on Pathology Images

Saltz等人开发了基于深度学习衍生的“计算机染色，可获得标准病理癌症图像用于鉴定肿瘤浸润淋巴细胞（TIL）。他们处理了来自13种癌症类型的5,202个数字图像。结果提示，得到的TIL图与TCGA分子数据相关，此外研究结果还将TIL含量与存活率，肿瘤亚型和免疫谱相关联。

《Cancer Cell 》

Genomic and Functional Approaches to Understanding Cancer Aneuploidy

通过分析> 10,000人类癌症样本，Taylor等人表明非整倍体与体细胞突变率，增殖基因表达和白细胞浸润减少相关。

《Cell 》

A Pan-Cancer Analysis of Enhancer Expression in Nearly 9,000 Patient Samples

从33种癌症类型的系统分析推断因果增强子 - 靶标 - 基因的关系。

《Cancer Cell 》

lncRNA Epigenetic Landscape Analysis Identifies EPIC1 as an Oncogenic lncRNA that Interacts with MYC and Promotes Cell-Cycle Progression in Cancer

Wang等人在大量人类肿瘤和癌细胞系中探究了lncRNA的表观遗传概况，并观察到lncRNA基因（包括EPIC1）的低甲基化频发情况。 EPIC1 RNA通过与MYC相互作用并增强其与靶基因的结合来促进细胞周期进程。

《Cell Reports》

Pan-Cancer Analysis of lncRNA Regulation Supports Their Targeting of Cancer Genes in Each Tumor Context

Chiu等人提出lncRNA调控相互作用的泛癌分析。他们提出，数百个lncRNAs表达失调，可靶向改变每个肿瘤背景中癌基因和通路的表达。

《Cell Reports》

Systematic Analysis of Splice-Site-Creating Mutations in Cancer

Jayasinghe等人从33种癌症类型的8,000多种肿瘤样本中鉴定了近2000个剪接位点产生突变（SCMs）。它们提供了对以前错误标记的突变的更准确的解释，突出了整合数据类型以了解人类疾病中剪接突变的功能和临床意义的重要性。

《Cell》

Systems Scalable Open Science Approach for Mutation Calling of Tumor Exomes Using Multiple Genomic Pipelines

MC3是针对来自33种癌症类型的超过10,000种癌症外显子组样本的变异识别项目。7种不同的方法共检测到超过300万种体细胞变体，这些变体形成了泛癌图谱文件的基础。

《Cell》

An Integrated TCGA Pan-Cancer Clinical Data Resource to Drive High-Quality Survival Outcome Analytics 对TCGA计划中超过11,000名癌症患者的临床病理学注释进行分析，归纳产生TCGA临床数据资源，该数据资源为33种癌症类型提供临床转归终点使用的建议。

3、癌症信号通路（Signaling Pathways）

在泛肿瘤信号通路的综合分析中，Pan-Cancer Atlas揭示了有助于开发个性化治疗和新的联合疗法的脆弱“通路”。其它在相关文献中研究的途径包括MYC，RAS，泛素，DNA损伤修复，剪接和代谢。

旗舰文章：

《Cell》

Oncogenic Signaling Pathways in The Cancer Genome Atlas

对TCGA > 9,000个肿瘤中10个信号通路的遗传变异进行综合分析，结果显示这些通路中显著存在个体和共同发生的可操作变异，提示靶向和联合治疗的机会。

其它相关文章：

《Cell Systems》

Pan-cancer Alterations of the MYC Oncogene and Its Proximal Network across the Cancer Genome Atlas

Schaub等人提出了一项生物信息学计算研究结果，确定了TCGA 数据库33种人类癌症中MYC网络改变的频率和程度。

《Cell Reports》

Machine Learning Detects Pan-cancer Ras Pathway Activation in The Cancer Genome Atlas

Way等人使用Pan-Cancer Atlas数据，开发了机器学习方法来检测癌症中的Ras激活。通过整合突变，拷贝数和表达数据，作者证明他们的方法可检测肿瘤中Ras激活变异体和细胞系对MEK抑制剂的敏感性。

《Cell Reports》

Genomic and Molecular Landscape of DNA Damage Repair Deficiency across The Cancer Genome Atlas

Knijnenburg等人开展了TCGA泛癌分析，展示了癌症中DNA损伤修复缺陷（DDR）。他们使用整合基因组和分子分析来鉴定33种癌症类型的频繁DDR改变，将基因和途径水平改变与基因组范围内基因组不稳定性和功能受损相关联，并证明DDR缺陷评分的预后效用。

《Cell Reports》

Molecular Characterization and Clinical Relevance of Metabolic Expression Subtypes in Human Cancers

Peng等人分析跨越33种癌症类型的9,125个TCGA样品，以基于七种代谢途径的表达来表征肿瘤亚型。他们发现代谢表达亚型与患者存活相关。

《Cell Reports》

Integrated Genomic Analysis of the Ubiquitin Pathway across Cancer Types

Ge等人分析跨越33种癌症类型的9,125个TCGA样品, 以提供对泛素途径的全面表征。他们检测到了泛素途径中的体细胞驱动候选变异并鉴定了一组生存率很差的患者，突出了该途径在癌症发展中的重要性。

《Cell Reports》

Somatic Mutational Landscape of Splicing Factor Genes and Their Functional Consequences across 33 Cancer Types

Seiler等人在TCGA中的33个肿瘤类型中检测到119个剪接因子基因携带可疑驱动突变。他们发现最常见的突变似乎是相互排斥的，并且与谱系独立的剪接改变相关。具有这些突变的样品显示细胞自主途径和免疫渗透的失调。