驱动基因与热点

读一张 lollipop 图

横轴是蛋白序列，彩色方块是注释的结构域。每根“棒棒糖”是一个氨基酸位点，高度是在这个位点观察到的突变数，颜色是变异分类。在组件里切换基因，会看到两种截然不同的模式：

• 癌基因式的热点。 IDH1 的突变集中在 R132，IDH2 集中在 R140 和 R172，DNMT3A 在甲基转移酶结构域的 R882 上有一根很高的棒棒糖。这类反复命中同一位点的热点通常是功能获得或获得新功能的改变，例如 IDH1/2 突变让酶产生 2-羟基戊二酸。
• 抑癌基因式的散布。 TP53 的错义突变散布在 DNA 结合结构域，夹杂着截短突变；DNMT3A 除了 R882，也有沿全长散布的截短突变，提示功能丧失。

NPM1 是一个有意思的例外。它的突变几乎都是第 12 外显子同一处的 4 bp 插入，分类上属于移码，却不是功能丧失：它改写了蛋白 C 端，使 NPM1 从细胞核移到胞质。只按“移码 = 截短 = 失活”去读，就会读错。

位置聚集：找驱动基因的一种方法

把“热点”变成统计量，就是位置聚集法。maftools 的 oncodrive 借鉴 OncodriveCLUST 的思路：先找出突变成簇的位点，计算每个基因有多大比例的突变落在簇里，再与背景分布比较，得到 p 值并做 FDR 校正。在 LAML 中，IDH1、IDH2 和 NPM1 是位点聚集最显著的基因。

这种方法有明确的盲区：

• 抑癌基因的截短突变沿全长散布，不会聚集，会被漏掉。它们要靠基于频率的方法，例如综合基因长度、背景突变率和突变类型的 MutSigCV，或比较非同义与同义突变比例的 dNdScv。
• 基因长度本身不是证据：TTN 这类很长的基因突变次数多，并不说明它受到了选择。
• 小队列中每个基因的突变数都很少，任何方法的检验效能都有限。

常见误区

• 用突变频率排名代替驱动判断。 频率受基因长度和背景突变率影响。
• 只用位置聚集法。 这会系统性地漏掉抑癌基因。
• 机械地按“移码 = 失活”解读。 NPM1 就是反例。
• 忽视检测盲区。 FLT3-ITD 这类长插入在短读长 WES 中容易漏检，算出的突变频率只是下限。