Nature | 利用DNA甲基化的动态变化追踪癌症的临床演化

撰文 | 楚雨荨

癌症的 发生是一个进化的过程，但以一定临床规模描绘其进化动态 具有挑战性 ， 主要原因在于传统方法依赖纵向患者样本来重建进化历史，而这在临床实践中往往难以 实现 【1】 ，那是否能 从单一时间点数据中精确推断癌症进化历史 呢？ 在此背景下，DNA甲基化展现出作为谱系标记的重要潜力：某些CpG位点的甲基化状态会以年为单位随机波动 【2】 ，这些具有波动特性的CpGs（fluctuating CpGs ，fCpGs）可形成一种“甲基化条形码” （ methylation barcode ） ，记录细胞群体的克隆结构，从而为仅通过单一时点样本实现高时间分辨率的谱系追踪提供了可能。

近 日，英国伦敦癌症研究所 和 西班牙巴塞罗那FRCB-IDIBAPS 研究所 Trevor A. Graham 和 José I. Martin-Subero 团队在 Nature 杂志上发表了文章 Fluctuating DNA methylation tracks cancer evolution at clinical scale ， 开发了 一种基于DNA甲基化条形码的新型 计算体系 EVOFLUx (Evolutionary inference using Fluctuating methylation) ，首次实现从单一时间点甲基化数据定量推断癌症进化历史 ，仅需广泛可用的低成本甲基化芯片数据即可从大规模临床样本的甲基化谱中定量推断癌症进化动力学，并适用于多种癌症类型的进化分析。

EVOFLUx 的工作原理 是对 样本内 fCpG 甲基化值的异质性 进行评估， 在二倍体位点上，每个 fCpG 可以呈现三种状态 中的一种 ：两个等位基因均未甲基化、一个等位基因甲基化或两个等位基因均甲基化（分别对应 0%、50% 或 100% 甲基化），因此 n 个 fCpG 位点可以呈现 3 n 种可能的甲基化模式。fCpG 的动态变化是独立进行的等位基因特异性改变 ， 可以 作为一种“进化条形码”来追踪克隆进化 ，基于此，研究者们开发了 EVOFLUx ， 一个随机数学建模和贝叶斯推断 体系 ，用于模拟克隆演化如何定量地决定fCpG甲基化值，并能够推断个体肿瘤样本的演化历史 。

研究者们以淋巴瘤为研究对象， 从2,204个样本中识别出978个泛淋巴 瘤 fCpG，这些位点具有独特的生物学特征 和基因组特征。在生物学特征方面，不同淋巴瘤fCpG显示出一种特征性的“斑点状”甲基化模式，在每个样本中呈现特征性的“W形”分布。在基因组特征方面，fCpG富集于 CpG岛 的边缘；在染色质水平上，fCpG富集于正常/肿瘤性B细胞的若启动子、增强子和 H3K27me3标记 的 区域 ，在活跃启动子和H3K36me3标记的区域显著缺乏。

研究者们通过 EVOFLUx 模拟了从患者出生到某个特定时间开始的癌症相关克隆扩增中谱系内 fCpG 持续甲基化获得和丢失 的 过程，然后继续模拟不断增长的癌细胞群体中的甲基化波动，直到在时间 T 采集癌症样本 。 通过结合癌症的生长速率和年龄，可以计算出癌症的有效种群大小 (Ne)——癌症中长寿命谱系的数目，计算公式为Ne = e θ(T − τ) （ μ、ν、γ 和 ζ参数对应纯合未甲基化、杂合甲基化和纯合甲基化之间四种可能的转换 ） 。 进一步， 将EVOFLUx应用于1,976个淋巴肿瘤样本（包括 急性淋巴细胞白血病 T-ALL 、 B-ALL、慢性淋巴细胞白血病CLL 、 多发性骨髓瘤 等 ）以及癌前病变MBL 。有意思的是， 儿童ALL和成人淋巴瘤表现出明显不同的进化历史 ，并且 fCpG转换率在不同疾病之间差异显著，其中儿童ALLs的转换速度比成人恶性肿瘤快 很多。除此之外,EVOFLUx可识别三种主要进化模式：1）中性进化（neutral evolution, 单一克隆指数增长）2）亚克隆选择（subclonal selection, 具有选择优势的亚克隆扩张 ） 3) 独立克隆起源 ( independent clonal origin,多个独立原发肿瘤)，在大多数淋巴瘤中呈现中性进化 (1,610/1,976)，亚克隆频率在不同肿瘤类型中差异显著：慢性淋巴细胞白血病 (CLL) 超过30%，而弥漫大B细胞淋巴瘤 (DLBCL) 中不到5%。

部分CLL患者会发生Richter转化 （一种侵袭性表型，预后极差），研究者们对两例CLL患者进行纵向追踪，结合全基因组测序（WGS）和甲基化数据对 EVOFLUx 克隆推断的数据进行比对， fCpG精确地再现了WGS树的拓扑结构，并且具有高度相似的分支长度 ，进一步证实 fCpG是一种高分辨率的系统发育特征。

为了研究 肿瘤 进化历史与未来临床 路径 之间的关系， 研究者们 利用了具有 完整 随访数据的478例CLL病例。使用单 因素 Cox模型， 检测 进化参数对首次治疗时间（TTFT）的影响 以及 进化参数对 总体生存 的影响 ，结果显示， 生长较快的CLL具有明显较短的TTFT（ P = 1.4 × 10 - 30 ， H R = 3.95）和更差的 总体生存 （ P = 0.0053，HR = 1.51） ；在多因素Cox回归模型中，EVOFLUx生长速率在控制IGHV突变状态和TP53异常后仍具有强独立预后影响 （ P = 2.2 × 10 -10 ，HR = 2.28） ，当 控制淋巴细胞计数的当代变化率 后 ，EVOFLUx生长速率 仍 具有预后价值（ P = 0.018）。

综上， 本研究提出了EVOFLUx ，一种 基于单一时间点的甲基化数据实现对癌症进化历史的定量推断 的计算体系 ， 不仅适用于广泛可用的低成本甲基化芯片数据，还可扩展至多种测序技术（如亚硫酸氢盐测序与无亚硫酸氢盐测序），并具备应用于血液肿瘤游离DNA检测的潜力，为癌症进化研究提供了可推广的技术平台。未来工作将聚焦于在更多癌种中验证 ，并 结合多组学数据提升预测精度、推动标准化临床检测流程的开发，并进一步拓展其在治疗响应预测中的应用潜力。

https://doi.org/10.1038/s41586-025-09374-4

制版人： 十一

参考文献

1. Greaves, M. & Maley, C. C. Clonal evolution in cancer. Nature 481, 306–313 (2012).

2. Gabbutt, C. et al. Fluctuating methylation clocks for cell lineage tracing at high temporal resolution in human tissues. Nat. Biotechnol. 40, 720–730 (2022).

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

转载须知

【原创文章】BioArt原创文章，欢迎个人转发分享，未经允许禁止转载，所刊登的所有作品的著作权均为BioArt所拥有。BioArt保留所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

近期直播推荐

点击主页推荐活动

关注更多最新活动！