新的软件工具有助于识别与癌症风险增加有关的基因突变

　　德克萨斯大学MD安德森癌症中心和其他机构的研究人员应用了一种新开发的软件工具来识别基因突变，这种突变会增加一个人患常见、复杂疾病(如癌症)的风险。这项研究发表在2014年5月的《科学》杂志上。

　　这项技术被称为pVAAST(系谱变异注释、分析和搜索工具)，它结合了两种不同的统计方法，用于识别致病基因突变。这种组合方法通过增加识别突变的能力或速度，并通过研究设计和分析减少并发症，优于个体家族分析方法。

　　MD Anderson的流行病学教授Chad Huff博士说:“这种方法可以更快、更有效地识别和验证影响疾病风险的遗传变异。”“这最终将使临床实验室能够设计基因测试，更好地预测一个人患癌症的风险。”

　　pVAAST工具结合了两种常用的疾病基因鉴定方法:连锁分析和关联试验。连锁分析跟踪基因突变在家族中的遗传，以确定可能的因果突变。关联测试将患有特定疾病的不相关个体与健康个体进行比较，以寻找其中一组或另一组的共同突变。

　　“连锁分析和关联测试最初是为早期基因分型技术中可用的稀疏遗传标记设计的，”该研究的主要作者、MD安德森流行病学博士后胡浩博士说。“pVAAST整合了这两种方法，并将它们重新用于下一代DNA测序数据，这是遗传学研究的最新技术。它填补了家族性疾病研究中分子技术和计算工具之间的真正空白。”

　　研究人员还将功能变异优先排序纳入该工具，该工具可以预测一个家庭中的特定突变是否具有破坏性。

　　在这项特殊的研究中，pVAAST分析了数据以确定三种疾病的遗传原因;肠病——一种肠道的慢性炎症、心间隔缺损和米勒综合征——一种面部和多肢发育缺陷。该工具能够从单个家庭的DNA数据中确定导致这些疾病的确切突变。在心间隔缺损和米勒综合征家族中，偶然突变先前已被确定，结果可作为概念的证明。在肠病家族中，该家族的致病突变在分析之前是未知的。

　　此外，研究人员将pVAAST和其他三种统计方法应用于三种遗传疾病模型:显性，其中一个有缺陷的基因拷贝遗传自父母;隐性的，基因的两个拷贝都必须有缺陷;或者是由没有从父母那里遗传的新突变引起的显性突变。在每种情况下，与其他方法一样，pVAAST需要家庭样本量的一小部分来检测疾病风险。

　　“对于大多数罕见疾病来说，从多个病人身上收集DNA样本是一项挑战，”赫夫说。“因此，将亲属纳入研究以提高成功率至关重要。”

　　在本研究中，使用多种统计方法的联合方法学增加了结果的力量，降低了分析的复杂性。赫夫说:“这为识别影响患特定癌症风险的基因变异提供了一种途径。”

　　许多正在进行的基因研究招募有癌症家族史的患者，以寻找增加患癌症风险的遗传突变。赫夫说，这个工具将允许研究人员分析来自这些家庭的序列数据，以确定最有可能导致这些家庭癌症史的遗传变异。

　　赫夫说，今后该软件的主要重点将是发现新的癌症易感基因。在《癌症发现》上发表的另一篇论文中，该软件被用于支持RINT1作为一种新的乳腺癌易感基因的发现。

　　“确定潜在的癌症易感基因只是第一步，还需要多年的额外研究来确定这些变异的特征，从而最终确定它们对癌症风险的影响程度，”赫夫说。