Algoritme identificeert kankerveroorzakers

Ophopingen van mutaties in een cel zorgen ervoor dat kanker zich ontwikkelt en verspreidt. Slechts een klein deel van de bij een patiënt geïdentificeerde mutaties is echter verantwoordelijk voor het kwaadaardig worden van een cel. Dergelijke zogenaamde driver-mutaties geven de cellen een selectief voordeel waardoor ze zich sneller kunnen vermenigvuldigen.

Een van de grootste moeilijkheden bij kankeronderzoek is om te bepalen of de mutatie een kankerverwekkende mutatie is of slechts een neutrale “passagiersmutatie” die geen effect heeft op de ziekte. Om dit onderscheid te maken gaan onderzoekers na of de betreffende mutatie significant vaker voorkomt in het kankergenoom dan in het genoom van gezonde individuen.

“In het eiwitcoderende deel van het genoom, dat slechts ongeveer twee procent van het totale genoom uitmaakt, werkt dit tot op zekere hoogte. Maar als we zoeken naar drivermutaties in de niet-coderende regio’s, die alle belangrijke regulerende sequenties bevatten , bereikt deze methode zijn grenzen”, zegt Marc Zapatka van het Duitse kankeronderzoekscentrum. Dit komt omdat DNA-schade niet op alle posities van het genoom even vaak en even waarschijnlijk voorkomt. Bovendien is er weinig bekend over de gevolgen van mutaties in dit deel van het genoom.

Zapatka en collega’s hebben nu een andere aanpak gekozen: ze hebben een algoritme ontwikkeld dat dergelijke mutaties onderzoekt die binnen zogenaamde mutatiesignaturen liggen. Wetenschappers gebruiken deze term om de verschillende karakteristieke sporen te beschrijven die in het genoom zijn achtergelaten door mutagene gebeurtenissen zoals omgevingsfactoren (d.w.z. UV-straling), defect DNA-herstel of verkeerd gerichte enzymactiviteit. “We weten dat veel van de kankerverwekkende mutaties die tegenwoordig bekend zijn, binnen dergelijke mutatiesignaturen liggen. Daarom leek het ons veelbelovend om deze gebieden specifiek van dichterbij te bekijken”, legt Zapatka de achtergrond uit.

Met behulp van het “sigDriver”-algoritme kan het genoom van grote kankercohorten worden doorzocht op mutaties in zowel het coderende als het niet-coderende gebied.

De DKFZ-onderzoekers gebruikten sigDriver om de genomen te analyseren van in totaal 3813 tumoren waarvan de volledige genomen waren gesequenced als onderdeel van het International Cancer Genome Consortium (ICGC), The Cancer Genome Atlas-programma en een onderzoek naar pediatrische tumoren.

“We waren verrast dat het algoritme, ondanks de nieuwe aanpak, de meerderheid van de reeds bekende tumor-aansturende mutaties identificeerde, zelfs in het niet-eiwit-coderende gebied van het genoom, waar in deze analyses zelden rekening mee is gehouden”, zegt Zapatka.

De analyse onthulde echter ook voorheen onbekende maar potentieel tumor-aansturende mutatie-hotspots. Het team was in staat om 32 mutatiehotspots te koppelen aan APOBEC-activiteit, waarvan er slechts elf al bekend waren en elf andere mogelijk regulerend zijn. Het acroniem APOBEC verwijst naar een hele familie van mRNA-editing-enzymen die deel uitmaken van het aangeboren virusafweersysteem bij mensen: de enzymen vallen het genoom van RNA-virussen aan op specifieke plaatsen, maar kunnen ook mutaties in het menselijk genoom veroorzaken, wat resulteert in bekende handtekeningen als sporen van deze schade.

De nieuw geïdentificeerde mutaties moeten nu worden bevestigd in grotere groepen patiënten en de kankerrelevante effecten van de mutaties moeten in detail worden geanalyseerd en mogelijk experimenteel worden geverifieerd. Hiervoor stelt het team van Heidelberg sigDriver ter beschikking aan deskundige collega’s over de hele wereld.

“We hebben al nieuwe tumor-aansturende mutaties gevonden die kunnen helpen bij het identificeren van kankerpatiënten met tumoren met een hoog risico. We verwachten dat het analyseren van grotere groepen patiënten met hetzelfde type kanker met sigDriver nog meer kankerveroorzakers zal onthullen, vooral in regelgevende regio’s van het genoom”, verwacht onderzoeksleider Zapatka.

John K.L. Wong, Christian Aichmüller, Markus Schulze, Mario Hlevnjak, Shaymaa Elgaafary, Peter Lichter, Marc Zapatka: Association of mutation signature effectuating processes with mutation hotspots in driver genes and non-coding regions
Nature Communications 2022, DOI:10.1038/s41467-021-27792-6