通過突變事件和演化軌跡了解癌症基因體學

Abstract

次世代定序技術的發展、進階生醫資訊學方法的出現和大量累積的基因體數據，使得癌症基因體學的研究能得以實現，為腫瘤生物學及腫瘤病因學的領域發展開創了新的前景。本論文應用上述癌症基因體學的分析方法，以探討癌症中大片段的體細胞變異事件及癌症的演化軌跡，同時建立一套整合型的生醫資訊學分析套件，以利癌症基因體學的研究及分析。 過去的研究表示，不同乳癌亞型間好發的短片段變異及拷貝數變異皆有所差異，這也使得我們能夠假設更大片段的體細胞變異事件同樣也可能解釋乳癌亞型間的異質性。本論文首先使用116對台灣女性乳癌病人的全外顯子定序資料進行分析，除了找出驅動基因(driver genes)外，更進一步地探討全基因體倍增(whole-genome doubling; WGD)現象在不同乳癌亞型間的差異與影響，從而揭示出其與同源重組缺陷(homologous recombination deficiency; HRD)的關聯。三陰性乳癌最常出現全基因體倍增的現象，進而導致高度染色體不穩定性(chromosomal instability; CIN)。同時與管狀型乳癌相比，第二型人類上皮成長因子接受器蛋白過度表現型(HER2-enriched)乳癌發生全基因體倍增現象的時間相對較早，其腫瘤間染色體不穩定性的差異幅度也較廣泛。綜觀上述結果，染色體倍增現象的差異，同時影響同源重組缺陷的程度，也讓我們更進一步地了解台灣乳癌亞型間的腫瘤異質性，同時能更深入地了解癌症的潛在病因。 儘管對於原發病變進行適當的治療，仍然有5至10%的乳癌病人在發病後的十年內出現同側乳癌復發(ipsilateral breast tumor relapse; IBTR)的現象。因此本研究的第二個目標是對10位同側復發的乳癌病人之原發、復發和正常組織檢體進行全外顯子定序分析，以探討乳癌細胞的演化軌跡如何反映出同側乳癌復發的進展。我們發現原發及其同側復發的腫瘤間具有不同程度的同源重組缺陷、染色體不穩定性及體細胞驅動變異，並且進一步地推論出三種主要的癌症復發演化模型，分別反映出不同的突變過程及亞克隆多樣性(subclonal diversification)。最後此研究將可採取治療措施之生物標記(actionable biomarkers)與克隆結構(clonal architectures)的概念相結合，提出一個治療管理的框架，以期改善未來的治療策略。 本論文最後的研究重點，在於開發一套更加全面的體細胞突變分析套件MutScape，可用於全外顯子、全基因體定序和基因套組(gene panels)的資料上，使研究人員從各類體細胞突變之辨識工具中獲取突變資料時，能輕鬆地探索研究群體的突變特徵。此套件納入多種變異篩選及資料合併的功能，以快速排除錯誤辨識出的突變，並且執行資料註解及轉換。MutScape同時提供9種常見和進階的分析功能，並且能產生相對應的高解析度視覺化圖形，幫助研究人員進一步探索分析結果。最後，我們證明了MutScape能夠從已發表的研究及其定序資料中，正確地再現已知的研究結果，並且可透過進階的分析功能，找出過去癌症基因體學研究中尚未揭露的新發現。 整體而言，本論文的三個研究建立在癌症基因體學的方法架構下，利用次世代定序技術及生醫資訊學的演算法，發現台灣女性乳癌在不同亞型下，受到全基因體倍增的影響程度皆有所差異，同時其現象也與同源重組缺陷有所關聯。另外我們也進一步推論出三個主要的同側乳癌復發演化模型，結合藥物資訊的註解結果，提出一套改善治療管理的架構。最後則是開發出一套癌症基因體學的整合型分析套件，協助研究人員或剛入門的生物資訊分析人員，能輕鬆地進行相關的分析及研究。透過本論文的發現及方法，相信能使臨床研究人員對於台灣女性乳癌有更進一步地了解，以及能更有效率地進行癌症基因體學分析，從而達到精準醫療的目標。