基因組數據分析的“金標準”

　　五月十八日，美國安大略癌癥研究所、俄勒岡健康與科學大學、賽智生物網絡（Sage Bionetworks）、分布式DREAM 團體(Dialog for Reverse Engineering Assessment and Methods)和加州大學圣克魯茲分校的癌癥研究人員，在《Nature Methods》發表了ICGC-TCGA-DREAM Somatic Mutation Calling (SMC) Challenge（The Challenge: https://www.synapse.org/#!Synapse:syn312572）的第一批結果。這些結果為研究人員提供了一個重要的新基準，有助于定義識別癌癥基因組中體細胞突變的最準確的方法。這些結果可能是“創建一個新的國際標準，來確定如何很好地檢測到癌癥突變”的第一步。延伸閱讀：兩篇論文解析多個基因組數據的新型整合模型。

　　Challenge開始于2013年十一月，公開選拔研究團體，解決對“從全基因組測序數據中識別腫瘤相關基因突變的精確方法”的需求。雖然腫瘤基因組測序是爆炸式的，但是根據數據分析的方式不同，在一個給定基因組中所確定的基因突變，可能相差多達50%。

　　研究團隊被要求分析三份虛擬（計算機模擬）的腫瘤樣本，并公開分享他們的方法。248個獨立分析是由世界各地的團隊協助開展，并由Challenge組織者進行分析和比較。當這些分析組合在一起時，為我們提供了一種新的集成算法，優于目前用于基因組數據分析的任何一種算法。

　　本文的作者也還報道了一種計算方法——BAMSurgeon（由共同第一作者Adam Ewing開發），能夠產生腫瘤基因組的一個精確模擬。與來自真實組織樣本的腫瘤基因組形成對比，Challenge組織者對于所模擬的腫瘤基因組內的所有突變有一個完整的認識，從而能對所有提交的方法所產生的誤差、以及它們識別已知突變的精確度，進行綜合評估。

　　所提交的方法在精確度方面有顯著差異，許多方法獲得的精確度小于80%，而有些方法則可達到90%以上。也許更令人驚訝的是，25%的研究團隊通過優化他們現有算法的參數，使其性能提高了至少20%。這表明，現有方法應用的差異，是至關重要的——也許比方法本身的選擇更重要。

　　該研究小組還表明，假陽性（預測有突變，但實際上并沒有存在），并不是隨機分布在基因組中，而處于非常具體的地點，而且更重要的是，誤差實際上非常類似于以前被認為代表真實生物信號的一些突變模式。

　　本文共同第一作者、安大略癌癥研究所生物信息學家Kathleen Houlahan與Challenge 帶頭人Paul Boutros共同合作，他指出：“總的來說，這些研究結果表明，分析人類基因組的最佳方法是使用多種算法的集合，共同合作科研可獲得很多的價值。世界各地的人們已經在使用我們研制的工具。這只是Challenge的第一個發現，隨著我們數據的完成和分析結果，還有更多的發現與其他研究團體分享。”

　　俄勒岡健康和科學大學計算生物學主任Adam Margolin博士說：“現在，科學是一項團隊運動。作為一個研究團體，我們都處于對抗共同敵人的同一隊伍中。作為一個全球團體，我們會贏的唯一途徑是，解決全球最大、最具挑戰性的問題，并快速發現和建立最好的創新技術。”