癌细胞中的基因融合（gene fusions）代表了一类分子畸变。这种畸变有很多因素构成，包括基因组易位、插入、缺失或染色体倒位。很大一部分基因融合驱动肿瘤发生和/或促进肿瘤进展，例如 BCR-ABL1 (1)、ETV6-NTRK3 (2) 和 TMPRSS2-ETS (3)。由于它们在肿瘤中特异性表达以及驱动肿瘤病理生理学的能力，作为驱动者(driver)的融合基因代表了具有巨大诊断和治疗潜力的靶分子(4, 5)。随着下一代测序技术的进步，特别是通过癌症基因组图谱 (TCGA) 和国际癌症基因组联盟泛癌全基因组分析工作，检测到的融合基因数量已从数百个增加到超过数万个(6-9)。然而，这些绝大多数癌症基因融合的功能作用和临床相关性仍然知之甚少，由此导致了实施精准癌症医学的重要知识空缺。

对于体细胞的点突变(somatic point mutations)，科学家们已经开发了许多算法来预测它们的功能影响(10)。这些算法的开发和验证受益于一组功能特征突变的“黄金标准”(11)。相比之下，识别驱动融合基因的算法开发和验证受到了一定的限制，目前的研究集中于在患者肿瘤中检测到的一小组高度复发的基因融合，来进行详细的功能和机制研究。虽然这一做法可以最大限度的来识别那些有潜在临床影响的靶点，但这种方法导致许多罕见的有功能的基因融合被忽略。此外，传统的实验研究只能以耗时且昂贵的方式来分析少量基因融合的功能作用，但很难满足在临床环境中为治疗方案提供信息的需求。这主要是由于很难在既敏感又稳定的功能分析中创建、表达且表征大量的基因融合所造成的。

该研究团队首先分析了基于33种癌症类型>11,000 TCGA病人样本中识别到的约35,000个基因融合，并按照相应的信号通路以及药物靶点信息从中进一步筛选出110个基因融合。研究者利用Ba/F3和MCF10A细胞系，来检测这些基因融合对细胞活性的影响并对每一个基因融合进行了功能注释。对于那些可以激活细胞活性的基因融合，研究者进一步利用其对相应的药物反应来确定这些基因融合的潜在治疗意义（下图）。

研究者进一步对参与RTK-RAS 信号通路（下图）的融合体的功能效应和潜在的临床意义(therapeutic liability)进行了深入分析，进而发现了一些新的有功能效应的基因融合，包括ALK, RAF1, BRAF和FGFR3。在对这些基因融合进行进一步的药物反应分析后发现这些融合能影响相应药物的敏感。

基于以上这些探索和发现，为了能更高效并准确得筛选出可用于精准肿瘤治疗的基因融合，该研究团队开发了一个基于证据(evidence-based)的优选分类系统以用来评价每一个基因融合的临床应用价值 (下图)。

该系统分为四个级别，具体而言，（i）4级(L4) 基因融合指那些从肿瘤测序数据中识别到的基因融合；（ii）3级(L3)基因融合必须和药物敏感数据有显著的相关性；（iii）2级(L2)基因融合在体外或体内实验中可以影响肿瘤生长或药物反应；（iv）1级(L1)基因融合必须具备临床证据来表明其可以很好的预测临床治疗反应。一个基因融合如果其级别越低，就越有可信的证据来支持将其用在病人的临床精准癌症治疗中。研究人员进一步将这个分类系统应用到TCGA病人数据并聚焦到RTK-RAS信号通路。在这个基础上，一共筛选了1633 个L4，177个L3, 23个L2，以及5个L1基因融合。这个分析充分阐释了该功能基因组平台可以借助一个系统性的方法来筛选具有潜在临床应用价值的基因融合。为了能进一步提高这个平台的临床价值，该研究团队优化了整个流程用于支持临床决策（下图）。

这项工作为系统得评价那些预测基因融合功能的算法提供了一个金标准集。更为重要的是，此研究还发现相当比例的低频(low-frequency)或甚至单独(singleton)基因融合是有功能并有潜在的治疗意义。虽然基因融合作为临床治疗靶点已有几十年的历史(例如以BCR-ABL作为靶点显著得改变了慢性粒细胞白血病的治疗效果)，但是对与基因融合的功能刻画和相关的治疗仍然聚焦在高度重复出现的候选基因融合上。该研究表明，在现有基础上应更多的关注低频基因融合作为潜在的治疗靶点，进而真正意义上实现个人癌症治疗。

另外，因为该项工作中的功能分析方法可以压缩到一个很短的时间，所以研究者认为该方法可以在临床环境中用来识别驱使肿瘤行为和预测相应治疗反应的基因融合上。因此，综上所述，对基因融合的功能刻画应作为目前患者分层策略的一个不可或缺的要素。而本研究所创建的功能基因组学方法以及四级分类系统，则代表着科研人员努力为推动罕见基因融合临床应用的一个初步却非常关键的尝试。

美国MD安德森癌症中心的梁晗教授, 哈佛医学院Raju Kucherlapati教授 和俄勒冈健康与科学大学Gordon Mills 教授为本文共同通讯作者。本文由美国癌症研究所癌症靶点发现和开发联盟的 （Cancer Target Discovery and Development）支持。

相关论文信息：

DOI: 10.1126/sciadv.abm2382

参考文献