文献阅读-Identifying driver mutations in sequenced cancer genomes

●somatic mutations 包括：SNVs，Indel，CNAs，SVs等

   indels ：短片段插入缺失

    SNVs  ： 单核苷酸变异

    CNAS:     拷贝数异常

    SVs：      结构变异

   

    These somatic mutations range in scale from single-nucleotide variants ( SNVs), insertions and deletions of a few to a few dozen nucleotides (indels), larger copy-number             aberrations (CNAs) and large-genome rearrangements, also called structural variants(SVs)。

●高通量测序面临的挑战：

   1. indentying somatic mutations，误差/ 异质性 

   2. 识别driver genes 

   3.  确定由somatic mutations 改变的通路和其它生物过程

●误差（假阳性，假阴性）来源：

   PCR 重复，GC偏移，链偏移， 难校准

   The process of detecting somatic mutations from aligned reads is not straightforward. Numerous errors and artifacts are introduced during both the sequencing and the alignment processes including:optical PCR duplicates,GC-bias,strand bias (where reads indicating a possible mutation only align to one strand of DNA) and alignment artifacts resulting from low complexity or repetitive regions in the genome.

●Detecting somatic mutations

    建议可以用多个软件处理数据

    These differences demonstrate that the performance of methods can vary by dataset, and suggest that running multiple methods is advisable at present.

 

●identifying driver mutations

     identifying driver mutations三个要点：

      1.identifying recurrent mutations;

      2.predicting the functional impact of individual mutations;

      3.assessing combinations of mutations using pathways, interaction networks, or statistical correlations.

        根据这三个要点分别衍生了大量的软件，它们都存在一些问题，如下：

1.直接看突变频率的那些软件to determine whether the observed number of mutations in the gene is significantly greater than thenumber expected according to a background mutation rate (BMR).

BMR 实在是太难确定了，低了会导致很多假阳性，而高了又略过很多真实的driver mutations，但是突变频率非常高的那些基因           肯定是没有问题的，比如TP53，无论什么样的算法都会认为它是driver gene

。

2.考虑突变对蛋白功能的影响评分的那些软件，引入了一些先验假设:

evolutionary conservation,

known protein domains,

non-random clustering of mutations,

protein structure

●pathways, interaction networks, and de novo approaches的那些软件或方法

通路分析（KEGG,GO,GSEA） 有4个局限:

(1) 许多包含注释的基因集都很大，包含数十个基因。如果这些基因中很小一部分发生突变，富集或排序统计这些基因，可能达不到统计的显著性；

(2)每个通路都不是独立存在的，相互间都存在的联系，而这个联系是很重要的；

(3)gene-set方法忽略了拓扑结构的相互作用，相反，考虑了通路中的所有基因。

(4)只关注已知的通路或基因集。

相互作用网络（interaction networks）：

HPRD , BioGrid , Reactome ,STRING , iRefIndex

网络分析当前仅提供蛋白质间的相互作用图片，但能克服通路分析的局限性。

仍然受到交互网络的质量和覆盖范围的限制。

GSEA(Gene Set Enrichment Analysis,基因集富集分析 ) 的基本思想是使用预定义的基因集，通常来自功能注释或先前实验的结果，将基因按照在两类样本中的差异表达程度排序，然后检验预先设定的基因集合是否在这个排序表的顶端或者底端富集。基因集合富集分析检测基因集合而不是单个基因的表达变化，因此可以包含这些细微的表达变化，预期得到更为理想的结果。

HotNet:可以处理大规模，更复杂的数据.用热扩散模型来编码基因的突变频率和局部的交互网络拓扑模型。

克服统计问题，HotNet也用了大量的新方法

Hotnet已经被用于识别急性髓细胞白血病，卵巢癌，和其他类型的癌症中的重要网络.

已发现16个重要的基因网络， 其中几个与已知的促癌途径和基因有关，包括p53和NOTCH通路。