Ana Bojórquez-Gómez y Jason Kreisberg

Department of Medicine, University of California, San Diego, La Jolla, CA, USA

 

[tabby title=”Español”]

Los cánceres tienen perfiles genéticos heterogéneos a través y dentro de los tipos de tejido del que se desarrollan, lo cual resulta en un complejo conjunto de enfermedades. Los cambios genéticos que se van adquiriendo a lo largo de la vida de una persona son llamados mutaciones somáticas, en contraste a las mutaciones heredadas por parte de nuestros padres. Estas mutaciones somáticas ocurren a lo largo del genoma humano y pueden resultar en una variedad de efectos a nivel molecular, celular y clínico. Para comprender el impacto de estas mutaciones, los consorcios The Cancer Genome Atlas (TCGA) y el International Cancer Genome Consortium (ICGC)  han llevado a cabo la secuenciación del genoma completo de pares de tumor y tejido normal, para catalogar mutaciones somáticas a través de los diferentes tipos de cáncer. Estos y otros estudios han identificado varios cientos de genes en los cuales las mutaciones somáticas se observan frecuentemente, y por lo tanto, están implicados en el desarrollo del cáncer. Hasta ahora los estudios se han enfocado principalmente en caracterizar mutaciones somáticas en las regiones codificantes (que codifican proteínas) del genoma humano las cuales solo forman el 2% del genoma completo y las mutaciones somáticas que ocurren en el 98% del genoma humano restante han permanecido, en gran parte, sin caracterizar.

Entonces ¿tienen algún efecto funcional los millones de mutaciones somáticas que ocurren en áreas del genoma no codificantes? ¿Estarán estas mutaciones implicadas en el desarrollo del cáncer?

Un reto que se presenta cuando se estudian las mutaciones no codificantes y su papel en el desarrollo del cáncer, es que no hay una manera fácil de asociar tales mutaciones con funciones celulares que pueden ser observadas o medidas. Otro reto es alcanzar el poder estadístico suficiente para superar el “ruido” creado por las mutaciones sin efecto alguno. Ha habido estudios que han logrado identificar varios ejemplos de mutaciones somáticas no codificantes con la capacidad de alterar los niveles de expresión de ciertos genes (Melton et al., 2015; Weinhold et al., 2014; Fredriksson et al., 2014). Los ejemplos más estudiados hasta la fecha son mutaciones en el área no codificante del promotor del gen telomerase reverse transcriptase (TERT), que resultan en un aumento en el nivel de expresión de éste (Huang et al., 2013). Estas mutaciones ocurren con la suficiente frecuencia para haber sido identificadas repetidamente en estudios diferentes. Sin embargo, la mayoría de las mutaciones somáticas no codificantes asociadas con cambios en los niveles de expresión genética no han sido verificadas en los distintos estudios.

Ahora, investigadores de la University of California San Diego School of Medicine han descubierto 193 loci en los cuales las mutaciones somáticas no codificantes están vinculadas con cambios en los niveles de expresión de sus genes asociados. El Dr. Wei Zhang, un becario postdoctoral en el laboratorio del Dr. Trey Ideker, ha integrado mapas recientes de referencia conectando áreas del genoma no codificantes con genes objetivos ya conocidos (ENCODE Project Consortium et al., 2012; Roadmap Epigenomics Consortium et al., 2015) junto con secuencias del genoma entero de más de 900 pacientes del TCGA. En los tumores de estos pacientes están representados 22 tipos de cáncer y se han identificado más de 35 millones de variantes de un solo nucleótido (SNVs) presentes sólo en tumor y no en tejido normal. El Dr. Zhang buscó identificar cuáles de las mutaciones somáticas no codificantes están relacionadas a cambios del nivel de expresión de genes asociados. De este análisis se obtuvieron 193 loci denominados somatic expression quantitative trait loci (somatic eQTLs) entre los cuales se encuentran los ejemplos más documentados: las mutaciones somáticas en el promotor del gen TERT.

 

 

Pero, ¿son estos eQTLs somáticos la causa o el efecto de cambios en los niveles de expresión de los genes? Por ejemplo, un eQTL somático asociado con el gen DAAM1 y observado en melanoma metastásico ha sido asociado con un incremento en el nivel de expresión de este gen. Notablemente, otros estudios han demostrado que el incremento en los niveles de DAAM1 promueve la metástasis. Entonces, ¿el eQTL somático asociado con DAAM1 es causa o efecto del incremento en el nivel de expresión del gen? Para resolver esta pregunta, los investigadores del laboratorio del Dr. Ideker crearon plásmidos en los que las regiones no codificantes donde se encuentran las mutaciones somáticas observadas fueron clonadas junto con el gen de la proteína verde fluorescente (GFP). Si existe una relación causal entre las mutaciones somáticas y la expresión genética, entonces se espera observar un cambio en los niveles de GFP entre las muestras mutantes y las normales. Los plásmidos fueron introducidos en líneas celulares de melanoma, sarcoma y cáncer del seno, y se les dio 48 horas a las células para transcribir y expresar el gen GFP tras lo cual los investigadores midieron su abundancia. En cada uno de los linajes celulares se observó un incremento significativo en la abundancia de GFP en las muestras que recibieron la secuencia mutante en comparación con las normales, estableciendo así una relación causal entre los eQTLs somáticos y el aumento en los niveles de transcripción del gen. En otros experimentos, los investigadores también establecieron que las células con sobreexpresión de DAAM1 migran con mayor persistencia e invaden a mayor distancia que las normales. Este resultado sugiere que el incremento en la expresión de DAAM1 les permite a las células invadir su microambiente con más eficiencia, vinculando así este eQTL somático la sobreexpresión de DAAM1 y la invasión celular o metástasis.

El descubrimiento de estos eQTLs somáticos nos proporciona un recurso emocionante y potencialmente útil hacia el desarrollo de la medicina personalizada. Los esfuerzos actuales para estratificar a pacientes en grupos basados en similitud y con necesidades terapéuticas distintas, sólo han hecho uso hasta la fecha de los perfiles de mutaciones somáticas en las regiones codificantes del genoma o perfiles de expresión genética. Las investigaciones del laboratorio del Dr. Ideker han demostrado que las mutaciones somáticas no codificantes también pueden influenciar la estratificación de pacientes. Al integrar los perfiles de eQTLs somáticos con los perfiles de mutaciones somáticas en zonas codificantes de oncogenes conocidos y supresores de tumores de los pacientes, el equipo del Dr. Ideker logró dividir a los pacientes en 10 grupos con pronósticos clínicos distintos y significativos. Cuatro de los diez grupos cuentan con una gran cantidad de pacientes con un alto número de mutaciones somáticas no codificantes. Un grupo en particular incluye muchos pacientes con mutaciones somáticas no codificantes que impactan sobre el nivel de expresión de TERT y exhiben los tumores más agresivos. Los pacientes de este grupo sobreviven sin relapso en promedio sólo 13 meses. Por lo tanto, es evidente que el incorporar mutaciones somáticas no codificantes con efectos funcionales a nuestros estudios es un paso hacia la mejor comprensión de las características extendidas de la biología del cáncer y el logro de una medicina personalizada eficaz.

Referencia: Zhang W, et al. A global transcriptional network connecting noncoding mutations to changes in tumor gene expression. Nat Genet. 2018 Apr;50(4):613-620. doi: http://dx.doi.org/10.1038/s41588-018-0091-2

Bibliografía:

Melton C, Reuter JA, Spacek DV, Snyder M. Recurrent somatic mutations in regulatory regions of human cancer genomes. Nat Genet. 2015 Jul;47(7):710-6. doi: http://dx.doi.org/10.1038/ng.3332

Weinhold N, et al. Genome-wide analysis of noncoding regulatory mutations in cancer. Nat Genet. 2014 Nov;46(11):1160-5. doi: http://dx.doi.org/10.1038/ng.3101

Fredriksson NJ, et al. Systematic analysis of noncoding somatic mutations and gene expression alterations across 14 tumor types. Nat Genet. 2014 Dec;46(12):1258-63. doi: 10.1038/ng.3141.

Huang FW, et al. Highly recurrent TERT promoter mutations in human melanoma. Science. 2013 Feb 22;339(6122):957-9.  doi: http://dx.doi.org/10.1126/science.1229259

NCODE Project Consortium. An integrated encyclopedia of DNA elements in the human genome. Nature. 2012 Sep 6;489(7414):57-74. doi: http://dx.doi.org/10.1038/nature11247

Roadmap Epigenomics Consortium, et al. Integrative analysis of 111 reference human epigenomes. Nature. 2015 Feb 19;518(7539):317-30. doi: http://dx.doi.org/10.1038/nature14248

 

[tabby title=”English”]

 

Cancers have heterogeneous genetic profiles across and within tissue types resulting in a highly complex set of diseases. Genetic changes that are acquired in one’s lifetime are called somatic mutations, as opposed to inherited variations. These somatic mutations occur throughout the human genome and can have a variety of molecular, cellular and clinical effects. To understand the effect of these mutations, the Cancer Genome Atlas (TCGA) and the International Cancer Genome Consortium (ICGC) have performed whole-genome sequencing of tumor-normal pairs to catalog somatic mutations across many different types of cancer. These and other studies have identified several hundred genes where somatic mutations frequently occur and are thus implicated in driving cancer development. However, previous studies have primarily focused on somatic mutations in coding regions of the human genome, the regions that encode proteins, which amount to less than 2% of the entire genome. Somatic mutations occurring in the remaining 98% of the noncoding genome have largely gone uncharacterized.

So, what functional effect, if any, do the millions of noncoding somatic mutations have? Do these mutations also have implications in cancer development?

One challenge to studying noncoding mutations and their role in cancer development is that there is not an easy way to associate these mutations to cellular functions that can be observed or measured. Another challenge is to harness enough statistical power to overcome the “noise” created by mutations with no effect. Previous studies have identified a few examples of somatic noncoding mutations that alter gene expression levels (Melton et al., 2015; Weinhold et al., 2014; Fredriksson et al., 2014). The most well-known examples are mutations in the promoter of telomerase reverse transcriptase (TERT) leading to increased levels of expression (Huang et al., 2013). These mutations occur frequently enough that they have been repeatedly identified. However, most other somatic noncoding mutations reported to impact gene expression levels in cancer have not been verified in other studies.

Now, researchers from the University of California San Diego School of Medicine have found 193 loci in which noncoding mutations are associated with changes in gene expression levels. Dr. Wei Zhang, a postdoctoral fellow in Dr. Trey Ideker’s laboratory, integrated recent reference maps linking noncoding loci to known “target” genes (ENCODE Project Consortium et al., 2012; Roadmap Epigenomics Consortium et al., 2015) along with whole genome sequences of over 900 patients from TCGA. These samples spanned 22 different types of cancer and were used to identify 35 million single nucleotide variants (SNVs) in noncoding DNA present in the patient’s tumor but not their normal sample. Dr. Zhang then sought to identify which of these many somatic mutations were associated with changes in target gene expression levels. The resulting 193 loci are called somatic expression quantitative trait loci (eQTLs) and include the most documented somatic eQTL, TERT.

But are these somatic eQTLs drivers of gene expression changes or a result of those changes? For example, a somatic eQTL upstream of the DAAM1 gene, which was only observed in metastatic melanomas, was associated with an increase in DAAM1 mRNA expression levels. Interestingly, other studies have shown that increases in DAAM1 expression promote metastasis. So, is the somatic eQTL upstream of DAAM1 a cause or an effect of the increased gene expression? To answer this question, researchers in Dr. Ideker’s lab created plasmids in which the noncoding regions where the somatic mutations reside were placed upstream of the gene encoding the green fluorescent protein (GFP). If there were a causal relationship between these somatic mutations and gene expression, then a change in GFP levels would be observed between the wild type sequence and the mutant sequence. By inserting the plasmids into melanoma, sarcoma and breast cancer cell lines, and allowing the cells to transcribe and express the GFP gene, researchers were able to measure the abundance of GFP. In each of these cell lines, the mutated regulatory element caused significantly higher levels of GFP expression than wild type, thus establishing the causal relationship between the somatic eQTL and the increase in expression. In a separate set of experiments, researchers found that cells overexpressing DAAM1 migrated with greater persistence and invaded for longer distances than wild type cells. This finding suggests that increased DAAM1 expression allows cells to invade their local microenvironment more efficiently, and links this somatic eQTL to DAAM1 overexpression and cell invasion.

These newly discovered somatic eQTLs provide an exciting and potentially useful resource towards the development of personalized medicine. Current efforts to stratify patients into distinct groups with different therapeutic needs have to date only used somatic mutation profiles in coding regions of the DNA or gene expression data. Further work by the Ideker Lab revealed that noncoding mutations can also impact patient stratification. By integrating the somatic eQTL profiles of these patients along with their mutations in the coding regions of known oncogenes and tumor suppressors, Dr. Ideker’s team was able to group patients into 10 subtypes with distinct and significant clinical outcomes. Four of the subtypes contained a large number of patients with many noncoding mutations. One subtype that included many patients with noncoding mutations affecting expression levels of TERT was the most aggressive, with a disease-free survival period averaging only 13 months. It is therefore evident that incorporating noncoding somatic mutations with functional effects into our studies is a step towards understanding a widespread feature of cancer biology and achieving effective personalized medicine.

Reference: Zhang W, et al. A global transcriptional network connecting noncoding mutations to changes in tumor gene expression. Nat Genet. 2018 Apr;50(4):613-620. doi: http://dx.doi.org/10.1038/s41588-018-0091-2

Bibliography:

Melton C, Reuter JA, Spacek DV, Snyder M. Recurrent somatic mutations in regulatory regions of human cancer genomes. Nat Genet. 2015 Jul;47(7):710-6. doi: http://dx.doi.org/10.1038/ng.3332

Weinhold N, et al. Genome-wide analysis of noncoding regulatory mutations in cancer. Nat Genet. 2014 Nov;46(11):1160-5. doi: http://dx.doi.org/10.1038/ng.3101

Fredriksson NJ, et al. Systematic analysis of noncoding somatic mutations and gene expression alterations across 14 tumor types. Nat Genet. 2014 Dec;46(12):1258-63. doi: 10.1038/ng.3141.

Huang FW, et al. Highly recurrent TERT promoter mutations in human melanoma. Science. 2013 Feb 22;339(6122):957-9.  doi: http://dx.doi.org/10.1126/science.1229259

NCODE Project Consortium. An integrated encyclopedia of DNA elements in the human genome. Nature. 2012 Sep 6;489(7414):57-74. doi: http://dx.doi.org/10.1038/nature11247

Roadmap Epigenomics Consortium, et al. Integrative analysis of 111 reference human epigenomes. Nature. 2015 Feb 19;518(7539):317-30. doi: http://dx.doi.org/10.1038/nature14248

 

[tabbyending]