Nat Commun：放射性基因组学特征揭示与乳腺癌生存相关的瘤内异质性

细胞和分子异质性在实体瘤中很常见。人类癌症中包含着不同比例的不同基因组亚克隆，每个亚克隆都具有独特的基因表达模式和生物功能。基因组异质性促进了不良临床结果，包括对治疗的抗性和降低总生存期（OS）。

目前来说，表征肿瘤和复杂组织的异质性是一个重大挑战。应用于基因表达谱的反卷积方法可以估计基本的基因组亚克隆。例如，应用于肿瘤/基质基因表达谱的数据发卷积法确定了与癌症患者生存率下降相关的免疫亚克隆。分解的基因组亚克隆通常与癌症治疗相关，如一些免疫检查点阻断疗法。尽管如此，我们迫切需要对工具和工作流程的重大改进，以从异质肿瘤识别具有临床和生物学意义的基因组亚克隆，更好地预测预后和指导治疗决策。

目前的基因表达反卷积的方法使用组织混合物中的参考信息，其中与不同疾病状态相关的基因表达模式在基础矩阵中进行探索。然而，这些方法不能识别未知的生物标志物。

此外，虽然最近对肿瘤异质性的研究大多集中在组织样本的分子表征上，但这些技术需要收集侵入性活检样品。而放射组学可用于挖掘高通量定量和非侵入性图像特征，以改善癌症诊断和治疗。

最近，研究人员在Nature Communications杂志发文，其作出假设，基因表达谱的无监督解卷积可以揭示影响癌症相关生物功能和患者生存的基因组亚克隆，并且在成像水平上的放射基因组学特征可以捕获在分子水平上明显的潜在瘤内异质性。

在生物系统的多尺度建模中，术语多尺度是指使用来自一个以上的尺度数据。研究人员此次使用了两个尺度的数据，特别是转录组数据和成像数据。肿瘤亚克隆异质性是在基因组（转录组）的规模，将一个完全无监督的反卷积方法应用于基因表达谱识别。影像尺度的瘤内异质性是使用一组放射组学特征分析来表征的。研究人员进一步识别与这两个尺度相关联的无创性放射基因组学特征，将患者分为具有不同亚克隆组成的群体。

研究人员通过对3个数据队列的5个数据集中的1310个乳腺癌患者样本进行放射基因组学分析，研究模拟多尺度瘤内异质性的生物学和临床相关性。分析分三个阶段进行。

首先（第1阶段），利用基因表达谱的完全无监督反卷积分析，识别基因组亚克隆。通过基因集富集分析（GSEA）推断亚克隆的生物学功能；利用基因组发育数据集识别预后基因组标志，并在基因组测试数据集上进行测试。

第二阶段（第2阶段），通过将放射组学特征映射到独立数据集中预后亚克隆的组成上，建立放射组学标志，该数据集包含每个肿瘤的匹配成像和基因表达数据。

第三阶段（第三期），在另外两个包含影像学和生存结果数据的独立数据集上进一步测试所确定的放射基因组学特征的预后价值。

该研究提供了一种非侵入性和可重复性的方法，用于识别肿瘤基因组亚克隆及其潜在的生物功能，这对临床应用是有价值的。

原始出处：

Ming Fan et al. Radiogenomic signatures reveal multiscale intratumour heterogeneity associated with biological functions and survival in breast cancer. Nature Communications(2020).