膠質瘤生物信息學研究資源與進展

吳從嚴，李鐳，楊金成，趙耀東

(南京醫科大學附屬上海市第一人民醫院神經外科,上海 200080)

膠質瘤是最常見的原發惡性腦瘤，也是最致命的惡性腦瘤之一。據統計每年膠質瘤新增確診病例高達17 000例。對比世衛組織2007年和2016年版中樞神經系統腫瘤組織病理學分類標準[1-2]可以發現，2016版增加了分子遺傳學特征作為分型的指標，如Ⅱ級少突膠質細胞瘤[異檸檬酸脫氫酶(IDH)突變型和1p/19q共缺失型]和彌漫性星形細胞瘤(IDH突變型)，Ⅲ級間變性少突膠質細胞瘤(IDH突變型和1p/19q共缺失型)和間變性星形細胞瘤(IDH突變型)，Ⅳ級的膠質母細胞瘤和彌漫性中線膠質瘤(h3k27突變型)[3]。將分子亞型融入膠質瘤的分類，有助于加深對膠質瘤本質的理解。而這一巨大進步是與生物信息學的發展密不可分的。盡管膠質瘤的診斷治療方法不斷進步，但患者預后仍然很差，其中最具侵襲性的膠質瘤，如膠質母細胞瘤和彌漫中線膠質瘤，生存期僅有幾個月[4]。因此，迫切需要深入了解膠質瘤的發病機制，尋找新的分子靶標，開發新的治療技術，而蓬勃發展的生物信息學為此提供了可能。

1 生物信息學發展概述

“生物信息學”名詞由荷蘭理論生物學家Paulien Hogeweg在1970年提出，他當時意思是指“生物系統中的信息過程研究”[5]。1995年美國在人類基因組計劃的第一個五年總結報告中重新定義了生物信息學：作為一門交叉學科，通過綜合運用數學、計算機科學、生命技術理論和工具，實現了對生物科學領域中信息的綜合獲取、存儲、加工、分析、解釋，闡明高通量生物數據中所包含的生物學意義[6]。生物信息學作為一門建立在數據積累，尤其是原始數據積累上的學科，它的主要特點是收集數據的規模化、數據處理的程序化與數據分析的專門化。生物信息學研究目前有3個層面：第1個層面是根據現有的生物信息學資源(如生物信息學數據庫)，利用相應的工具(如專業網站、軟件等)解決問題；第2個層面是利用數值計算方法、數據統計學方法以及相關工具對原始數據進行處理研究；第3個層面是提出有價值的生物信息學問題，研究新型方法，開發新型工具，引領生物信息學研究。

20世紀60年代初，隨著計算方法在蛋白質序列分析中的應用，奠定了生物信息學的基礎；然后隨著分子生物學新技術的開發和計算機科學的進步，生物信息學獲得突破性進展，由官方設立的大型醫學數據管理機構先后設立并快速壯大，如美國國立生物技術信息中心(NCBI)、歐洲生物信息學研究所(EBI)等；隨著90年代人類基因組計劃實施，測序技術的進一步發展，基因組、轉錄組、蛋白組與代謝組等組學概念應運而生。進入21世紀，微陣列技術和高通量測序具有更高的分辨率和更廣的檢測范圍，以及技術進步帶來檢測成本的下降，使得生物信息學得到更廣泛的應用。2009年建立的單細胞RNA測序(scRNA-seq)技術，能夠檢測單細胞水平上的基因表達，具有比高通量測序更高的細胞差異分辨率，將極大地促進對細胞功能、疾病發展和治療反應的認識[6-7]。但由于其測序成本昂貴，目前開展得還不夠廣泛。

2 膠質瘤的生物信息學研究資源

開發數據庫是生物信息學研究的關鍵，現有的生物信息學數據庫幾乎覆蓋了生物醫學的所有領域。下面就膠質瘤研究領域的常用生物信息學數據庫進行簡述。

2.1 GEO(Gene Expression Omnibus)數據庫 2000年NCBI啟動了GEO數據庫項目，主要存儲高通量測序獲得的基因表達數據[8]。雖然其大多數(90%)數據是基因表達數據，但其數據范圍也擴展到基因組甲基化、蛋白質分析、染色體構象研究和基因組變異/拷貝數的研究[9]。由于基因組研究數據的復雜性，分析工作具有很強的專業性。為了方便盡可能多的研究人員使用數據庫，GEO開發了在線的數據查詢、可視化和分析工具GEO-2R，使得研究人員不需要下載或操作數據文件，可以直接在GEO網站上進行簡單的數據分析[10]。

2.2 癌癥基因組圖譜(The Cancer Genome Atlas，TCGA) 2005年NCBI啟動TCGA項目，目的是為了構建反映惡性腫瘤關鍵基因組變化的全面多維圖譜，目前存儲的數據包括DNA拷貝數變異、甲基化、mRNA和microRNA表達、蛋白質表達和臨床數據。目前已有基于TCGA數據集的探索性分析工具和數據庫。例如癌癥基因組學門戶網站(http://www.cbioportal.org)具有開放式獲取資源以及資源開源的特點，已經開發了交互式探索癌癥基因組的數據集和直觀呈現數據的方法，包括快速查看與癌癥相關的基因或通路，生存預后情況以及進行相關的生物網絡分析[11-12]。此外，這些TCGA數據集也可以通過定期更新的FireBrowse網站直接下載。這些工具提供了快速、直觀的癌癥基因組圖譜和匹配的臨床數據，并允許將這些有價值的數據進行生物學解讀和臨床應用。此外，為了研究TCGA數據庫中長鏈非編碼RNA(lncRNA)的生物學特性，Cerami等[11]和Gao等[12]分別開發了TANRIC和Co-LncRNA數據庫，促進了lncRNA生物學功能的研究和臨床應用。

2.3 中國膠質瘤基因組圖譜(Chinese Glioma Genome Atlas，CGGA) CGGA項目(http://www.cgga.org.cn)由北京神經外科研究所和中國膠質瘤協作組主辦，旨在對導致膠質瘤進展的主要基因組變異進行編目和識別，并為中國膠質瘤樣本提供詳細的基因組特征描述。CGGA門戶網站是一個開放訪問平臺，提供多維膠質瘤基因組的數據集。GLIOMASdb (http://www.cgga.org.cn:9091/gliomasdb)作為一個免費提供在線訪問的分析平臺，能夠對數據庫信息進行簡單分析[13]。

2.4 其他數據集 如：分子腦瘤數據庫(REMBRANDT)是一個癌癥臨床基因組數據庫和一個在線挖掘和分析平臺，方便人們通過有效地結合臨床信息和基因組特征來提高對膠質瘤的認識[14]。

3 生物信息學促進膠質瘤研究快速發展

目前在膠質瘤的研究中，通過對樣本測序獲得的基因組、轉錄組、蛋白組、代謝組與甲基化組等數據進行生物信息學分析，使研究人員能夠了解膠質瘤的致病機制，明確相關分子標志物，為膠質瘤的診斷、治療、預后評估提供新的思路。這方面進展簡述如下：

臨床上發現低級別膠質瘤幾乎無一例外地進展為繼發性膠質母細胞瘤(sGBM)，治療選擇有限，機制也不清楚。有學者[15]通過對118例sGBM測序獲取了突變圖譜，發現sGBM的MET第14號外顯子跳躍(METex14)，以及PTPRZ1-MET(ZM)融合基因和METex14等MET基因相關突變可促進膠質瘤惡性進展；并由此開展了MET抑制劑PLB-1001(伯瑞替尼)治療高級別膠質瘤的I期臨床試驗，確定了Ⅱ期臨床試驗的推薦劑量。

在轉錄組學層面，長鏈非編碼RNA (Long non-coding RNA,lncRNA)是一組長度超過200個核苷酸的非編碼核苷酸序列，lncRNA可以作為競爭性的內源性RNA(ceRNA)來調節miRNA的表達，進而調節基因的表達[16]。Han等[17]通過對TCGA和CGGA中低級別和高級別膠質瘤的RNA-seq數據庫中的LncRNA進行分析，篩選出表達差異最明顯的LncRNA-MIR22HG，通過分子實驗證明了沉默膠質母細胞瘤的MIR22HG會導致miR-22-3p和-5p表達下調，進而抑制Wnt/ntcatenin信號通路，從而導致細胞增殖、侵襲能力減弱并且抑制體內腫瘤生長，最后還基于miR-22的前體結構研制了小分子抑制劑AC1L6JTK，阻止miR-22成熟體的形成，從而抑制體內腫瘤的生長。

雖然膠質瘤基因擴增或丟失等遺傳學機制已經得到充分研究，但關于不同級別膠質瘤之間蛋白組學的變化信息卻很少。Buser等[18]通過質譜和生物信息學分析相結合的方法，對人膠質瘤組織切片進行無偏倚定量蛋白質組學研究，發現介導細胞內吞作用的網格蛋白、AP-2接頭蛋白和吞蛋白水平下調，導致細胞表面的相應受體增多，表明內吞機制成分的缺失是不同膠質瘤分級和亞類的共同特征。

異檸檬酸脫氫酶1(IDH1) 的突變是低度膠質瘤和繼發性膠質母細胞瘤的高頻事件，而IDH1突變型膠質瘤易受干預措施影響。新陳代謝的重編程是癌癥的標志之一，而IDH1突變相較IDH1野生型的膠質瘤新陳代謝的改變尚不清楚。Zhou等[19]在IDH1突變型膠質瘤組織中發現了從糖酵解到脂質代謝方式的改變，IDH1突變型膠質瘤中低脂酰基的降低可能是由長鏈酰基輔酶a合成酶1 (ACSL1)、ACSL4和極長鏈酰基輔酶a合成酶3(ACSVL3)所介導的；通過在RNA-seq數據庫中驗證，發現較低的ACSL1表達與IDH1突變型膠質瘤患者生存預后更好有關。

膠質瘤的進展與異常的DNA甲基化密切相關，MGMT啟動子甲基化狀態被認為是高級別膠質瘤的獨立危險因素，決定了烷基化劑的化療效果[20]。大多數研究集中在蛋白質編碼基因的甲基化或lncRNA如何調節蛋白質編碼基因的甲基化，而lncRNA基因的甲基化概況及其對腫瘤發生和發展的相關后果卻知之甚少。Li等[21]通過對公共數據庫中Ⅱ級、Ⅲ級、Ⅳ級膠質瘤的LncRNA、甲基化及預后數據進行比對分析，發現60種lncRNA有顯著差異表達，其中包括已知的PVT1、HOTAIR、H19和了解很少的CARD8-AS、MIR4435-2HG；通過整合HM450K甲基化微陣列數據，證明了其中一些lncRNA受甲基化的表觀遺傳學調控；并發現MIR4435-2HG在高級別膠質瘤中高表達，可能影響EMT和TNF信號通路，并且能通過降低miR-125-5-p和miR-125b-5-p來增加CD44的表達。

4 展望

膠質瘤作為一種高致死性的中樞神經系統惡性腫瘤，有著復雜的致病機制，至今尚不清楚。隨著微陣列技術、高通量測序等測序方法的推廣應用，通過使用生物信息學方法對組學數據進行加工分析，使研究人員能夠從大樣本大數據層面闡明膠質瘤的致病機制，為膠質瘤的臨床病理分子分型、預后評估、分子靶向治療及改善膠質瘤對放化療的耐受性提供了可能。隨著生物信息學在膠質瘤研究應用的不斷深入，將為膠質瘤的分型、診斷與治療提供更多依據。