检测癌症突变的“金标准”

5月18日，美国安大略癌症研究所、俄勒冈健康与科学大学、赛智生物网络（SageBionetworks）、散布式DREAM团体(DialogforReverseEngineeringAssessmentandMethods)和加州大学圣克鲁兹分校的癌症研究人员，在《NatureMethods》发表了ICGC-TCGA-DREAMSomaticMutationCalling(SMC)Challenge的第1批结果。这些结果为研究人员提供了1个重要的新基准，有助于定义辨认癌症基因组中体细胞突变的最准确的方法。这些结果多是“创建1个新的国际标准，来肯定如何很好地检测到癌症突变”的第1步。

Challenge开始于2013年101月，公然提拔研究团体，解决对“从全基因组测序数据中辨认肿瘤相干基因突变的精确方法”的需求。虽然肿瘤基因组测序是爆炸式的，但是根据数据分析的方式不同，在1个给定基因组中所肯定的基因突变，可能相差多达50%。

研究团队被要求分析3份虚拟（计算机摹拟）的肿瘤样本，并公然分享他们的方法。248个独立分析是由世界各地的团队协助展开，并由Challenge组织者进行分析和比较。当这些分析组合在1起时，为我们提供了1种新的集成算法，优于目前用于基因组数据分析的任何1种算法。

本文的作者也还报导了1种计算方法――BAMSurgeon（由共同第1作者AdamEwing开发），能够产生肿瘤基因组的1个精确摹拟。与来自真实组织样本的肿瘤基因组构成对比，Challenge组织者对所摹拟的肿瘤基因组内的所有突变有1个完全的认识，从而能对所有提交的方法所产生的误差、和它们辨认已知突变的精确度，进行综合评估。

所提交的方法在精确度方面有显著差异，许多方法取得的精确度小于80%，而有些方法则可到达90%以上。也许更使人惊讶的是，25%的研究团队通过优化他们现有算法的参数，使其性能提高了最少20%。这表明，现有方法利用的差异，是相当重要的――也许比方法本身的选择更重要。

该研究小组还表明，假阳性（预测有突变，但实际上并没有存在），检测癌症突变的“金标准”，其实不是随机散布在基因组中，而处于非常具体的地点，而且更重要的是，误差实际上非常类似于之前被认为代表真实生物信号的1些突变模式。

本文共同第1作者、安大略癌症研究所生物信息学家KathleenHoulahan与Challenge带头人PaulBoutros共同合作，他指出：“总的来讲，这些研究结果表明，分析人类基因组的比较好方法是使用多种算法的集合，共同合作科研可取得很多的价值。世界各地的人们已在使用我们研制的工具。这只是Challenge的第1个发现，随着我们数据的完成和分析结果，还有更多的发现与其他研究团体分享。”

俄勒冈健康和科学大学计算生物学主任AdamMargolin博士说：“现在，检测癌症突变的“金标准”，科学是1项团队运动。作为1个研究团体，我们都处于对抗共同敌人的同1队伍中。作为1个全球团体，我们会赢的唯1途径是，解决全球最大、最具挑战性的问题，并快速发现和建立比较好的创新技术。”