Una nuova mappa proteo-genomica decodifica come le mutazioni favoriscano il cancro in 173 geni chiave
I ricercatori hanno mappato gli hotspot di mutazioni funzionali in 173 geni del cancro in quasi 140.000 pazienti, collegando la struttura delle proteine alle mutazioni che favoriscono lo sviluppo dei tumori.
Riepilogo
Il sequenziamento dei tumori individua centinaia di geni mutati, ma raramente spiega in che modo ciascuna mutazione favorisca il cancro o se sia rilevante per il trattamento. I ricercatori hanno analizzato il DNA tumorale di 139.818 pazienti e hanno mappato le mutazioni sulle strutture proteiche tridimensionali di 173 geni del cancro. Hanno scoperto che le mutazioni non sono distribuite a caso: si concentrano in regioni legate alla funzione della proteina, come i siti di legame al DNA nei fattori di trascrizione, i domini catalitici negli enzimi della cromatina e i siti di aggancio del substrato nei sistemi di degradazione delle proteine. In altri geni, invece, le mutazioni seguono vincoli strutturali tridimensionali. Colpiscono, ad esempio, il nucleo interno di *TP53* o una specifica struttura secondaria di *PTEN*. Queste "regioni significativamente mutate" corrispondevano a varianti note come causa di cancro presenti in database curati e si associavano a variazioni più marcate dell'espressione genica, a un'evoluzione tumorale più precoce e alla sopravvivenza. Il lavoro offre un quadro di riferimento per interpretare mutazioni rare e poco annotate nella medicina di precisione.
Riepilogo Dettagliato
Il sequenziamento dei tumori ha catalogato centinaia di geni del cancro mutati, ma sapere che un gene è mutato raramente spiega come quella variazione favorisca il cancro o se debba modificare il trattamento di un paziente. Hyeon e colleghi si sono chiesti se la posizione di una mutazione all'interno di una proteina (quale dominio, quale elemento strutturale) riveli il suo ruolo. Utilizzando i dati di 139.818 pazienti con oltre 18 tipi di tumore, hanno costruito una mappa funzionale dettagliata di 173 geni del cancro.
Il gruppo ha sviluppato un modello di Markov nascosto che identifica "regioni significativamente mutate" a risoluzione di singola base, senza conoscere in anticipo la loro posizione. Il modello tiene conto dei tassi di mutazione di fondo, compreso il contesto nucleotidico. Le regioni sono state poi sovrapposte ai domini proteici e alle strutture tridimensionali, considerando la struttura secondaria, la posizione nel nucleo rispetto alla superficie, gli effetti sulla stabilità (ΔΔG) e la geometria dei cluster di mutazioni. Le regioni risultavano arricchite in residui con annotazione funzionale (p = 2,35 × 10<sup>−4</sup> per le mutazioni missenso; p = 3,88 × 10<sup>−2</sup> per quelle troncanti).
I pattern di mutazione seguivano la funzione della proteina. I fattori di trascrizione lineage-specific erano mutati nei domini di legame al DNA (RUNX1, p = 1,37 × 10<sup>−95</sup>; SOX9, 4,07 × 10<sup>−65</sup>). I fattori attivati dallo stress (STAT3, NFE2L2) erano mutati nei domini regolatori, e i recettori nucleari (AR, ESR1) nei domini di legame del ligando. I modificatori della cromatina erano colpiti nei domini catalitici (EP300, p = 1,48 × 10<sup>−135</sup>), mentre i geni del sistema ubiquitina-proteasoma lo erano nei domini di riconoscimento del substrato (SPOP, FBXW7). TP53 rappresentava un'eccezione, con alterazioni sia del dominio di legame al DNA sia del dominio di tetramerizzazione. La maggior parte delle regioni (72,5%, 348/480) non differiva in base al tipo di tumore, anche se le mutazioni di EGFR colpivano il dominio chinasico nell'adenocarcinoma polmonare ma il dominio extracellulare nel glioblastoma.
Le mutazioni troncanti e la struttura 3D hanno aggiunto ulteriori livelli di informazione. Nei soppressori tumorali, le troncazioni erano assenti dalle regioni N- e C-terminali previste come in grado di sfuggire al decadimento dell'mRNA mediato da mutazioni non senso (nonsense-mediated decay). Negli oncogeni come CCND1–3, PPM1D, ERBB2 e NOTCH2, le troncazioni si concentravano all'estremità C-terminale, probabilmente rimuovendo segnali di degradazione. In 3D, tutte le 10 regioni di FBXW7 erano siti di interazione con il substrato. In altri geni, invece, le mutazioni seguivano vincoli strutturali: le mutazioni di TP53 si concentravano nel nucleo interno della proteina, mentre quelle di PTEN colpivano una specifica struttura secondaria. Le caratteristiche strutturali distinguevano gli oncogeni dai soppressori tumorali (AUC = 0,856).
La validazione è stata ampia. Le varianti oncogeniche curate dalla letteratura erano arricchite nelle regioni significative (AUC 0,82 per COSMIC, 0,85 per ClinVar). Il 10% superiore dei residui conteneva rispettivamente il 62,4%, il 57,7% e il 70,9% delle varianti di COSMIC, CIViC e ClinVar. Gli screening di mutagenesi hanno confermato regioni in POT1, PPM1D e in un sito di KRAS non hotspot. Le mutazioni nelle regioni significative mostravano variazioni di espressione più marcate (p = 3,18 × 10<sup>−7</sup>), una tempistica clonale più precoce (p = 3,53 × 10<sup>−21</sup>) e una sopravvivenza diversa (p = 3,18 × 10<sup>−3</sup>). Erano inoltre associate a fenotipi di resistenza, come TP53 e doxorubicina nel tumore al seno.
Questo approccio potrebbe aiutare a dare priorità a varianti con annotazioni scarse nei flussi di lavoro clinici, e una risorsa interattiva è disponibile su oncofold.org. Tra i limiti figurano il disegno retrospettivo e correlazionale, un segnale modesto di risposta alla terapia (p = 5,90 × 10<sup>−2</sup>), la dipendenza da strutture proteiche predette e la necessità di una validazione clinica prospettica.
Risultati Principali
- Integrated mutation data from 139,818 patients across 18+ tumor types to map significantly mutated regions in 173 cancer genes
- Significant regions were enriched for functionally annotated residues (p = 2.35 × 10−4 missense; p = 3.88 × 10−2 truncating)
- Top 10% of significantly mutated residues captured 62.4% (COSMIC), 57.7% (CIViC) and 70.9% (ClinVar) of curated oncogenic mutations; AUC 0.82, 0.81 and 0.85
- 72.5% (348/480) of regions showed no location difference across cancer types; EGFR hit kinase domain in lung adenocarcinoma vs extracellular domain in glioblastoma
- Structural features separated oncogenes from tumor suppressors (AUC = 0.856), with protein stability (ΔΔG) AUC 0.833 and solvent accessibility AUC 0.782
- Mutations in significant regions occurred earlier in tumor evolution (p = 3.53 × 10−21) and showed stronger transcription factor activity changes (p = 8.18 × 10−148)
- Significant regions were associated with survival differences (p = 3.18 × 10−3) and resistance phenotypes, e.g., TP53 and doxorubicin in breast cancer (adjusted p = 4.5 × 10−3)
Metodologia
Gli autori hanno applicato un modello di Markov nascosto ai dati di sequenziamento tumorale di 139.818 pazienti, dopo aver rimosso i campioni di bassa qualità, le mutazioni a bassa confidenza e le varianti probabilmente germinali. Il modello ha confrontato i pattern di mutazione con covariate biologiche, come il contesto nucleotidico, per identificare le regioni significativamente mutate in 173 geni del cancro. Le regioni sono state collegate a domini proteici e a caratteristiche strutturali (struttura secondaria, accessibilità al solvente, ΔΔG, pLDDT, geometria dei cluster) e confrontate con COSMIC, CIViC, ClinVar, punteggi di patogenicità e strumenti per l'identificazione dei driver. I risultati sono stati verificati con screening di mutagenesi su linee cellulari e con dati clinici, di espressione e multi-omici corrispondenti, utilizzando i test del chi quadrato, di Wilcoxon, di Mann-Whitney e di DeLong.
Limitazioni dello Studio
L'associazione con la risposta alla terapia è risultata modesta (p = 5,90 × 10−2) e le analisi cliniche sono associazioni retrospettive, non una validazione prospettica. L'approccio dipende da strutture proteiche predette e da un numero sufficiente di mutazioni, quindi i geni rari e alcuni tipi di tumore potrebbero avere una potenza statistica insufficiente. Il testo completo fornito era troncato, per cui non è stato possibile esaminare la sezione completa dei limiti degli autori né eventuali dichiarazioni di conflitto di interessi.
Ti è piaciuto questo riepilogo?
Ricevi ogni settimana le ultime ricerche sulla longevità direttamente nella tua casella email.
Inserisci la tua email per iscriverti: