丹娜—法伯癌症研究所科学家发现与卵巢癌患病风险加重有关的基因

Alexander Gusev博士（Alexander Gusev, PhD）

2019年5月2日——美国马萨诸塞州波士顿讯

丹娜—法伯癌症研究所团队发现34种与卵巢癌最早期发病风险加重有关的基因。《自然·遗传学》期刊（Nature Genetics）发表了该研究的相关成果。这项研究将有助于医师发现卵巢癌患病风险最高的女性群体，并找到以这些特异基因为靶点的新疗法。

该研究的联合领导人是来自丹娜—法伯癌症研究所人口科学部（Division of Population Sciences at Dana-Farber）的一位癌症遗传学研究员Alexander Gusev博士（Alexander Gusev, PhD）、西达-赛奈生物信息学和功能基因组学中心（Center for Bioinformatics and Functional Genomics at Cedars-Sinai）主任Simon Gayther博士（Simon Gayther, PhD）以及美国加州大学洛杉矶分校大卫·格芬医学院（David Geffen School of Medicine at UCLA）病理学及检验医学副教授Bogdan Pasaniuc博士（Bogdan Pasaniuc, PhD）。

目前，学界尚无针对卵巢癌（ovarian cancer）的有效筛查检查， 而卵巢癌又以晚期较差的生存率而著名。然而，倘若发现早，卵巢癌的生存率可大幅提高，而这就亟待学界尽快找到识别出具有卵巢癌患病风险人群的方法。

Gusev博士和同仁们带领的研究以卵巢癌学会论坛（Ovarian Cancer Association Consortium）在十余年前展开的大规模遗传学数据为基础。卵巢癌学会论坛学者类比了2.5万名卵巢癌患者和4.5万名非卵巢癌患者（皆为女性）的基因图谱。研究人员在基因组中发现超过30个与卵巢癌相关的区域。

“这项工作的一个新颖之处在于我们借助选择性剪接（alternative splicing）来聚焦有风险的遗传学变异体，而非仅仅着眼于一个基因的总丰度，否则我们就无法找到原本识别不出来的基因。” Gusev博士解释道。 “在更好地帮助我们理解这一层面之外，倘若这些风险机制真的是通过剪接来运作的，这也为我们提供了找到新的药物靶点的机遇。”

“目前，我们已经在基因组内找到了所有使得卵巢癌患病风险上升的区域，那么我们就进入了对这些基因的风险区域进行绘制的阶段。” Pasaniuc博士说道。 “最终，这会帮助我们作出更好的预测，从而对处于不同风险类别的女性展开分层工作。”

为准确描述这些基因，研究人员分析了患者数据，旨在找到能够阐释患者状态的突变。

将大量的数据整合以列出可能导致卵巢癌发病的特异基因看似简单，但实则不易，因为若干种作用机制或可影响数千个可能存在的基因靶点，因此将这些信息拼接在一起需要投入大量的计算和统计工作。

该研究发现：基因蓝图是导致一些女性处于卵巢癌患病风险最高段的原因。西达-赛奈应用基因组学、计算和转化核心（Applied Genomics, Computation and Translational Core at Cedars-Sinai）联合主任Gayther博士表示：“这些女性的遗传学和特异基因之间有一种相互作用，导致了卵巢癌最早期的发病。”

“这项工作主要的难处在于基因组中一个区域内的基因数量。” Pasaniuc博士说道。 “子代从亲代处遗传一片DNA时，子代不仅遗传了基因组的碱基对（base pair），与之而来的还有大块的信息。这就意味着若子代遗传了亲代某一给定区域内的一个基因突变，那么子代遗传的是一整个区域，该区域一次可以携带10至20个基因。这就导致我们很难从特异的区域中明确地找到特异基因。 ”

为了帮助科学家们在这些特定区域内识别基因，研究团队将卵巢癌学会论坛的大型遗传学数据与另一种数据类型作对比——后者展示了卵巢及其它组织中干扰基因的突变。研究人员将这两方面信息拼接，找到了基因组中实则携带风险的基因。在该计算技术的基础上，研究团队找到了34个与使得卵巢癌患病风险加重的基因。”

该研究由以下组织和机构赞助支持：美国国立卫生研究院（NIH）奖项，包括：R21奖项（项目编号：CA22007801）、U19奖项（项目编号：CA207456）、RO1奖项（项目编号：CA211707、CA207456、CA204954、 CA227237）；卵巢癌科研基金联盟项目（Ovarian cancer Research Fund Alliance Program）；以及其它来自美国国立卫生研究院等奖项。

媒体联络

阁下若有媒体联络需求，敬请致电617-632-4090，请阁下指明与媒体团队洽谈；或请发邮件至media@dfci.harvard.edu。阁下如欲转载本文，请发邮件至kun_ma@dfci.harvard.edu。