结构变异（SV）可能激活致癌基因，并通过一系列不同机制导致肿瘤的发生。了解SV有助于肿瘤分型与预后诊断，帮助医生为患者制定最适的治疗方案。此外，很多研究发现，在人类癌症中的许多SV似乎不会直接影响基因，相反，许多SV往往出现在基因组的非编码区域，这也使SV研究更加“诱人”。

目前研究SV的方法有很多，如核型分析、荧光原位杂交、PCR等，在临床中也有着广泛的应用，但由于分辨率低，且通量不高，很多方法无法检测到绝大多数SV，在癌症基因组中鉴定SV仍然具有挑战性。因此，一种高分辨率、高通量、全面检测SV的方法已成为癌症研究和临床诊断的迫切需求。

2018年9月10日，在发表于Nature Genetics的一项最新研究中，宾夕法尼亚州立大学岳峰课题组等团队，通过将Hi-C技术、WGS和Bionano光学图谱技术与一种基于Hi-C数据的新算法结合，开发了一种SV综合检测方法，可用于癌症基因组SV的系统分析，能够全面了解癌症基因组变化。该研究还发现了癌症中潜在的非编码SV，确定了此前癌症基因组研究可能被忽略的不同SV模式，帮助人们发现癌细胞中新的SV信息，为深入了解癌症的发生提供新思路。

图：a，光学图谱技术和WGS检测T47D细胞中缺失的重叠。b，光学图谱技术和WGS检测缺失的大小分布。c，光学图谱检测到chrX中的6kb缺失，WGS未检测到该缺失。

研究团队首先在癌症和健康细胞系中，对Hi-C技术、WGS和光学图谱技术进行了分析评估。研究发现这3种方法都可以在几十种癌细胞系中，以不同的规模和分辨率获取新的或已公布的SV信息，但这些方法都只能检测到部分SV。研究人员强调，Hi-C方法在组装基因组、单倍体分型方面有优势，但在检测小于1Mb DNA片段SV方面能力有限；WGS在检测SV方面具有较高的分辨率，但人类基因组存在49%的重复序列，WGS的短序列往往无法正确映射到重复序列，限制了SV检测。此外，WGS会将DNA打断成小于500bp的片段，破坏了SV之间的连续性，无法检测复杂SV；光学图谱技术在检测复杂SV和解析局部基因组结构方面表现优异，但无法检测到微小片段的缺失和插入。

图：整合光学图谱技术、Hi-C和WGS检测K562细胞中的复杂SV。

为解决以上问题，研究团队决定将Hi-C技术、WGS和光学图谱技术结合，取长补短、优势互补。在30多种癌细胞系的复杂SV检测中，研究人员借助光学图谱技术构建局部基因组，利用Hi-C技术揭示的SV连续性关系，将多个局部基因组组成单倍体，WGS则进行了SV位点的精确检测定位，最终在单倍型水平完成局部基因组组装，还原了复杂SV的全貌。此外，研究团队还首次提出了基于Hi-C数据的算法，该算法可在一般的Hi-C测序深度进行，用于全基因组SV检测。经过在30多个癌症细胞系中进行SV检测实验，研究人员验证了该算法的可靠性。

借助新综合检测方法，研究人员发现了许多由SV导致的三维基因组改变的实例，例如拓扑结构域的形成或解散，表明在肿瘤发生中，SV导致的基因失调起到关键作用。他们还观察到了影响非编码序列功能的广泛SV事件，包括远端调控序列的缺失，DNA复制时间的改变等。研究表明，非编码SV可能是癌症基因组中未被充分认识的另一驱动因子。

此外，研究人员还发现了正常细胞系中缺失的染色体间的频繁互作，并根据易位变异模式获得了复制时间的线索。借此研究结果，人们可以弄清楚SV带来的更多后果，包括影响DNA折叠产生的“新拓扑结构域”。

研究团队特别指出，“新拓扑结构域”是否代表给定癌细胞类型的反复变异，或者“新拓扑结构”如何促进肿瘤的发生，仍有待进一步的研究。可以肯定的是，该研究结果表明，产生“新拓扑结构域”是癌症基因组重排的常见结果。

该研究的领导人之一Job Dekke博士表示：“细胞中的DNA长度超过2米，它以错综复杂的方式折叠在细胞核内，我们发现癌细胞中的基因组SV会导致折叠方式的差异，这有可能导致基因错误的开启或关闭。同时，SV也会引起基因邻近区域的变化，使得致癌基因被激活。”

岳峰教授认为：“对于许多癌症来说，基因本身是没有问题的，问题在于控制它们的'开关'不受控制，使用我们的新检测方法，可以发现癌症患者体内损坏的“基因开关”及SV，利用这些信息，临床医生可以对这些癌症患者进行特定的药物治疗。此外，该方法还能更好的预测哪些非编码SV可能导致癌症。而过去对于基因组中非编码SV研究一直非常具有挑战性。”岳峰教授研究团队计划将该检测方法应用于更多的癌症患者检测。

随着测序技术的发展，人们对癌症基因组的认知越来越深入。每种检测技术都有其适用的应用领域，也不可避免的存在不足。该研究结合了二代测序技术和基于三代测序的光学图谱等技术的优势，在精准定位非编码SV研究中取得了巨大的进步，并发现了此前未发现的新SV，为全面系统了解癌症基因组信息提供了新技术手段，也为癌症基因组研究和癌症的临床诊断治疗提供了新思路。

参考资料：

1. Integrative detection and analysis of structural variation in cancer genomes

2.Noncoding Structural Variants Highlighted in Integrated Cancer Genome Analysis

3.Optimizing technologies for discovering cancer cell mutations