종양 돌연변이 부하(Tumor mutation burden, TMB)는 종양 면역 치료의 반응성을 예측하기 위해 널리 사용되고 있는 바이오마커이다. 대부분의 기관에서는 TMB를 예측하기 위해서 수백 개에 이르는 다양한 유전자 집단의 변이 정보를 활용하고 있다. 하지만 기관마다 TMB를 정의할 때 사용되는 유전자의 구성, 개수와 분석 방식이 매우 다르다는 점은 임상에서 TMB를 바이오마커로 이용하는 데 있어 가장 큰 걸림돌로 제시되고 있다. 그렇기 때문에 학계에서는 이러한 문제점을 해결하여 전 세계에서 표준적으로 사용할 수 있는 방법의 필요성이 꾸준히 제기되고 있다. 따라서 본 연구에서는 표준화의 문제점을 해결하고 검사의 효율성을 높일 수 있도록, 단 하나의 유전자에서 검출되는 돌연변이 정보가 환자의 TMB를 반영할 수 있는지 확인하는 연구를 수행하였다. 본 연구에서는 24개 암종의 8,598례의 공개된 돌연변이 데이터를 이용하여 전체 ...
종양 돌연변이 부하(Tumor mutation burden, TMB)는 종양 면역 치료의 반응성을 예측하기 위해 널리 사용되고 있는 바이오마커이다. 대부분의 기관에서는 TMB를 예측하기 위해서 수백 개에 이르는 다양한 유전자 집단의 변이 정보를 활용하고 있다. 하지만 기관마다 TMB를 정의할 때 사용되는 유전자의 구성, 개수와 분석 방식이 매우 다르다는 점은 임상에서 TMB를 바이오마커로 이용하는 데 있어 가장 큰 걸림돌로 제시되고 있다. 그렇기 때문에 학계에서는 이러한 문제점을 해결하여 전 세계에서 표준적으로 사용할 수 있는 방법의 필요성이 꾸준히 제기되고 있다. 따라서 본 연구에서는 표준화의 문제점을 해결하고 검사의 효율성을 높일 수 있도록, 단 하나의 유전자에서 검출되는 돌연변이 정보가 환자의 TMB를 반영할 수 있는지 확인하는 연구를 수행하였다. 본 연구에서는 24개 암종의 8,598례의 공개된 돌연변이 데이터를 이용하여 전체 엑솜염기서열 분석(Whole exome sequencing, WES)으로 계산되는 TMB를 가장 잘 반영할 수 있는 단일 유전자에 대한 스크리닝을 진행하였다. 스크리닝을 통해 찾은 단일 유전자의 변이 정보가 환자의 TMB를 반영할 수 있다는 것의 유효성을 검증하고자 서울아산병원에서 얻은 24례의 대장암 검체의 유전체 정보를 사용하였다. 또한, 확인된 단일 유전자의 돌연변이 특성과 임상 정보들만을 가지고 대장암 환자 검체에서 높은 현미부수체 불안정(Microsatellite instability high, MSI-H) 검체와 현미부수체 안정(Microsatellite stable, MSS) 검체를 구분할 수 있는지 확인하였다. 8,598례의 공개 데이터 분석 결과 TTN 이 TMB를 가장 잘 반영하는 유전자임을 확인하였다(R=0.92, p<2.2e-16). 특히24개의 암종 중에서 현미부수체 불안정성 검사 정보가 존재하는 대장암의 경우, 공개 데이터에서 확인된 TTN의 돌연변이의 수와 WES으로 정의된 TMB는 매우 유의하게 높은 상관성을 보였다(R=0.919, p<2.2e-16). TTN 유전자가 수백 개 이상의 유전자들에서 예측되는 TMB를 잘 반영할 수 있다는 발견의 유효성을 평가하기 위해 24례의 서울아산병원 대장암 검체를 분석한 결과, TTN 유전자의 돌연변이 수와 표적 차세대 염기서열(Targeted next-generation sequencing, tNGS) 분석을 통해 얻어지는 돌연변이의 수가 매우 유의하게 높은 상관성을 보이는 것을 확인하였다(R=0.92, p=2.142e-10). 이를 통해 대장암은 TTN 유전자에 발생하는 돌연변이의 수로 높은 TMB의 상태를 진단하는 모델을 적용하기에 가장 적합한 암종 중 하나라는 것을 확인하였다. 또한, TTN 유전자의 돌연변이 수만으로 높은 유전적 불안정성 집단(MSI-H 검체, 또는 POLE 유전자 돌연변이 검체)을 진단했을 때 tNGS 데이터를 이용하여 높은 유전적 불안정성 집단을 진단한 것과 검사 성능에서 차이가 없음을 확인하였다(p=0.3479). 이와 더불어 TTN 유전자에서 얻은 돌연변이의 특성만을 이용하여 MSI-H 검체를 진단할 수 있는지 확인하기 위해 예측 모델을 만들어 보았고, 진단의 정확도를 판단하는 척도인 교차 검증된 작전운용성능(Receiver operating characteristic) 곡선의 면적이 0.873으로 높은 것을 확인하였다. 마지막으로, 다른 유전자들과 비교했을 때 TTN에서 나타나는 높은 돌연변이 빈도는 늦은 복제 시간(Late replication time)과 관련이 있다는 사실을 확인하였고, TTN 돌연변이와 면역 활성 특징 간 연관성을 살펴보았을 때 TTN 돌연변이가 있는 검체에서 면역 활성 특징이 높은 것을 확인하였다. 본 연구에서 우리는 여러 암종의 공개 데이터와 유효성 평가를 통해 TTN 유전자에서의 돌연변이가 WES 분석이나 tNGS 분석으로 평가되는 TMB를 잘 반영한다는 것을 보였다. 본 연구결과는 TTN 유전자에서 확인되는 돌연변이의 수가 실제 환자의 높은 TMB의 상태를 반영할 수 있을 것임을 시사한다.
종양 돌연변이 부하(Tumor mutation burden, TMB)는 종양 면역 치료의 반응성을 예측하기 위해 널리 사용되고 있는 바이오마커이다. 대부분의 기관에서는 TMB를 예측하기 위해서 수백 개에 이르는 다양한 유전자 집단의 변이 정보를 활용하고 있다. 하지만 기관마다 TMB를 정의할 때 사용되는 유전자의 구성, 개수와 분석 방식이 매우 다르다는 점은 임상에서 TMB를 바이오마커로 이용하는 데 있어 가장 큰 걸림돌로 제시되고 있다. 그렇기 때문에 학계에서는 이러한 문제점을 해결하여 전 세계에서 표준적으로 사용할 수 있는 방법의 필요성이 꾸준히 제기되고 있다. 따라서 본 연구에서는 표준화의 문제점을 해결하고 검사의 효율성을 높일 수 있도록, 단 하나의 유전자에서 검출되는 돌연변이 정보가 환자의 TMB를 반영할 수 있는지 확인하는 연구를 수행하였다. 본 연구에서는 24개 암종의 8,598례의 공개된 돌연변이 데이터를 이용하여 전체 엑솜 염기서열 분석(Whole exome sequencing, WES)으로 계산되는 TMB를 가장 잘 반영할 수 있는 단일 유전자에 대한 스크리닝을 진행하였다. 스크리닝을 통해 찾은 단일 유전자의 변이 정보가 환자의 TMB를 반영할 수 있다는 것의 유효성을 검증하고자 서울아산병원에서 얻은 24례의 대장암 검체의 유전체 정보를 사용하였다. 또한, 확인된 단일 유전자의 돌연변이 특성과 임상 정보들만을 가지고 대장암 환자 검체에서 높은 현미부수체 불안정(Microsatellite instability high, MSI-H) 검체와 현미부수체 안정(Microsatellite stable, MSS) 검체를 구분할 수 있는지 확인하였다. 8,598례의 공개 데이터 분석 결과 TTN 이 TMB를 가장 잘 반영하는 유전자임을 확인하였다(R=0.92, p<2.2e-16). 특히24개의 암종 중에서 현미부수체 불안정성 검사 정보가 존재하는 대장암의 경우, 공개 데이터에서 확인된 TTN의 돌연변이의 수와 WES으로 정의된 TMB는 매우 유의하게 높은 상관성을 보였다(R=0.919, p<2.2e-16). TTN 유전자가 수백 개 이상의 유전자들에서 예측되는 TMB를 잘 반영할 수 있다는 발견의 유효성을 평가하기 위해 24례의 서울아산병원 대장암 검체를 분석한 결과, TTN 유전자의 돌연변이 수와 표적 차세대 염기서열(Targeted next-generation sequencing, tNGS) 분석을 통해 얻어지는 돌연변이의 수가 매우 유의하게 높은 상관성을 보이는 것을 확인하였다(R=0.92, p=2.142e-10). 이를 통해 대장암은 TTN 유전자에 발생하는 돌연변이의 수로 높은 TMB의 상태를 진단하는 모델을 적용하기에 가장 적합한 암종 중 하나라는 것을 확인하였다. 또한, TTN 유전자의 돌연변이 수만으로 높은 유전적 불안정성 집단(MSI-H 검체, 또는 POLE 유전자 돌연변이 검체)을 진단했을 때 tNGS 데이터를 이용하여 높은 유전적 불안정성 집단을 진단한 것과 검사 성능에서 차이가 없음을 확인하였다(p=0.3479). 이와 더불어 TTN 유전자에서 얻은 돌연변이의 특성만을 이용하여 MSI-H 검체를 진단할 수 있는지 확인하기 위해 예측 모델을 만들어 보았고, 진단의 정확도를 판단하는 척도인 교차 검증된 작전운용성능(Receiver operating characteristic) 곡선의 면적이 0.873으로 높은 것을 확인하였다. 마지막으로, 다른 유전자들과 비교했을 때 TTN에서 나타나는 높은 돌연변이 빈도는 늦은 복제 시간(Late replication time)과 관련이 있다는 사실을 확인하였고, TTN 돌연변이와 면역 활성 특징 간 연관성을 살펴보았을 때 TTN 돌연변이가 있는 검체에서 면역 활성 특징이 높은 것을 확인하였다. 본 연구에서 우리는 여러 암종의 공개 데이터와 유효성 평가를 통해 TTN 유전자에서의 돌연변이가 WES 분석이나 tNGS 분석으로 평가되는 TMB를 잘 반영한다는 것을 보였다. 본 연구결과는 TTN 유전자에서 확인되는 돌연변이의 수가 실제 환자의 높은 TMB의 상태를 반영할 수 있을 것임을 시사한다.
Tumor mutation burden (TMB) is an emerging biomarker. To calculate TMB, most institutes have used targeted sequencing of tens to hundreds of genes. Here, we investigated whether measurement of mutation count in the single TTN gene represents the TMB. Whole exome sequencing (WES) data from the pan-ca...
Tumor mutation burden (TMB) is an emerging biomarker. To calculate TMB, most institutes have used targeted sequencing of tens to hundreds of genes. Here, we investigated whether measurement of mutation count in the single TTN gene represents the TMB. Whole exome sequencing (WES) data from the pan-cancer cohort (n=8,598) of TCGA was screened to identify the best single gene representing TMB by WES. The findings were further validated in 24 independent colorectal cancer samples by targeted sequencing and TTN gene sequencing. TTN was identified as the most frequently mutated gene in the pan-cancer cohort, and its mutation number best correlated with TMB assessed by WES (R=0.92, p<2.2e-16). Colorectal cancer was one of the best cancer types to apply this diagnostic model of TTN-TMB; the correlation coefficients were 0.919 and 0.92 for TMB by WES and TMB by targeted sequencing, respectively. Higher TTN mutation frequency than expected rate from other frequently mutated genes (flag genes) is associated with late replication time. No significant difference between TTN-TMB and TMB assessed by tNGS in diagnostic performance. Classification modeling by machine learning using TTN-TMB for MSI-H diagnosis was performed, and the diagnostic accuracy was 0.952 by cross-validated area under the curve. In addition, we identified that TTN mutation was enriched in samples with high immunostimulatory signature. We show that TTN-TMB predicts TMB determined by both WES and targeted sequencing with biological insight. We suggest that the determination of mutation load using TTN-TMB can be used to predict high TMB status.
Tumor mutation burden (TMB) is an emerging biomarker. To calculate TMB, most institutes have used targeted sequencing of tens to hundreds of genes. Here, we investigated whether measurement of mutation count in the single TTN gene represents the TMB. Whole exome sequencing (WES) data from the pan-cancer cohort (n=8,598) of TCGA was screened to identify the best single gene representing TMB by WES. The findings were further validated in 24 independent colorectal cancer samples by targeted sequencing and TTN gene sequencing. TTN was identified as the most frequently mutated gene in the pan-cancer cohort, and its mutation number best correlated with TMB assessed by WES (R=0.92, p<2.2e-16). Colorectal cancer was one of the best cancer types to apply this diagnostic model of TTN-TMB; the correlation coefficients were 0.919 and 0.92 for TMB by WES and TMB by targeted sequencing, respectively. Higher TTN mutation frequency than expected rate from other frequently mutated genes (flag genes) is associated with late replication time. No significant difference between TTN-TMB and TMB assessed by tNGS in diagnostic performance. Classification modeling by machine learning using TTN-TMB for MSI-H diagnosis was performed, and the diagnostic accuracy was 0.952 by cross-validated area under the curve. In addition, we identified that TTN mutation was enriched in samples with high immunostimulatory signature. We show that TTN-TMB predicts TMB determined by both WES and targeted sequencing with biological insight. We suggest that the determination of mutation load using TTN-TMB can be used to predict high TMB status.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.