一文搞懂基因融合（gene fusion）的定義、產生機制及鑒定方法

歡迎關注微信公眾號：AIPuFuBio和使用生物信息學平台AIPuFu：www.aipufu.com。

【基因融合的定義】

基因融合（gene fusion）是指由於某種機制（如基因組變異）使得兩個不同基因的部分序列或全部序列融合到一起，形成了一個新的基因。如下圖所示：

基因融合示意圖（圖片來源：https://www.tumorfusions.org/）

 

一般來說，基因融合是指基因組層面的融合。但轉錄組層面也可能發生融合，主要是由於兩個不同基因轉錄產生的RNA，由於某種原因融合在了一起，形成新的融合RNA，該RNA可能編碼蛋白，也可能為非編碼。而基因組層面產生的融合基因，根據融合的情況，可能表達，也可能不表達（如破壞了啟動子區域或其他原因）。

 

【基因融合的產生機制】

基因融合的產生機制主要有以下三種，具體如下圖所示：

基因融合常見的三種發生機制（圖片來源：Wikipedia）

 

基因融合常見的三種發生機制：

1）Chromosomal Translocation，染色體易位。如上圖A中1號和2號染色體上的兩片段發生交叉互換，導致1號染色體上的淺綠色基因與2號染色體上的橘黃色基因融合到一起；

2）Interstitial deletion，中間缺失。如上圖中，3號染色體上的橘黃色基因和淺綠色基因之間的區段發生缺失（deletion），最終導致這兩個基因融合到了一起；

3）Chromosomal Inversion，染色體倒位。如4號染色體上的橘黃色基因到墨綠色基因之間的片段發生倒位，最終導致橘黃色基因和淺綠色基因融合到了一起。

 

【基因融合與癌症的關系】

那為什么要研究基因融合呢？因為過去的諸多研究不斷表明，基因融合與各種疾病，特別是癌症的發生發展緊密相關，甚至是一些癌症的直接誘因，所以基因融合也成為了當前組學大數據分析中的一項重要研究內容。

目前，已經報道有很多癌症的發生與基因融合密切相關，具體如下表所示：

已知的一些腫瘤中的基因融合數量和復發融合數量 （圖片來源：Mertens et al. Nature Reviews Cancer, 2015）

 

而且，美國FDA（Food and Drug Administration）已經批准了一些針對特定基因融合的葯物，以治療相應的癌症，具體如下表所示：

FDA已批准的治療相應腫瘤的葯物 （ 圖片來源：Mertens et al. Nature Reviews Cancer, 2015）

 

因此，基因融合可能與各種癌症的發生發展緊密相關，這些融合基因還可能是潛在的葯物靶點，非常有必要對它們進行深入的研究。

 

【基於全基因組測序和轉錄組測序鑒定基因融合】

基因融合的鑒定，可以基於全基因組測序數據（whole-genome sequencing，WGS），也可以利用轉錄組測序數據（RNA-seq），或者二種技術結合起來更好。

全基因組測序鑒定出的基因融合，基本能確定是由於基因組層面發生某種變異而引起的，但如果沒有轉錄組測序數據，就無法准確判斷融合后產生的新基因是否能夠表達，或表達量的高低。

而轉錄組測序數據鑒定出的基因融合，可以明確是能表達的基因融合，但卻無法完全確定是否是由基因組變異產生的，還是來源於兩個不同基因轉錄后發生的RNA融合。

因此，如果條件允許，同時結合全基因組測序和轉錄組測序來鑒定基因融合，能夠獲得更准確的鑒定結果。

 

【基因融合鑒定中的常見術語】

在了解基因融合鑒定的方法或軟件前，我們先了解一下基於測序數據鑒定基因融合時的一些常見術語。具體如下圖所示：

基因融合鑒定的一些常見術語（圖片來源：Liu et al. Nucleic Acids Research, 2016）(A) Intact exon (IE) type andbroken exon (BE) type fusion transcripts; (B) spanning read, split readand anchor length; (C) short and long insert size of DNA fragment forsequencing.

 

這些常見的術語有：

1）Intact exon （IE） type fusion，是指融合后完整的保留了原來的外顯子，未影響原來的外顯子結構。如上圖A中Gene A的Exon2和Gene B的Exon1融合后完整的保留了兩個外顯子的序列；

2）Broken exon (BE) type fusion，是指融合后沒有保留原來完整的外顯子序列。如上圖A中 Gene A的Exon3的部分序列和Gene B的Exon2融合在一起，融合后的新基因中，來自Gene A的Exon3丟失了部分序列；

3）Breakpoint，是指兩個融合基因在基因組上發生融合的位置，如上圖B中Gene A（藍色）和Gene B（綠色）融合的位點；

4）Spanning read，是指跨越融合位點分別匹配到兩個融合基因的paired-end read，比如上圖B中的匹配到Gene A（藍色）和Gene B（綠色）的一對read；

5）Split read，是指恰好匹配到融合位點上的read，具體如上圖B中右側圖所示；

6）Anchor length，是指跨越融合位點的read左端和右端的長度，具體如上圖B中右側圖所示；

7）short insert size，一般是指雙端測序paired-end sequencing中，兩個read中間間隔的較短距離，一般為幾百bp；

8）long insert size，一般是指雙端測序mate-pair sequencing中，兩個read中間間隔的較長距離，一般為幾kb甚至更長；

基因融合鑒定軟件的開發，一般就是基於上面提到的這些術語，采用相應的算法來設計的。

 

【基因融合鑒定軟件的性能比較】

到目前為止，已經有數十種不同的基因融合檢測軟件相繼被開發出來，其中一些具有比較好的綜合性能。接下來，我們就進一步比較分析一下一些常用的基因融合鑒定軟件的性能。

下表列出了15種常用的基因融合鑒定軟件在3組不同類型的人工合成數據和3組真實數據集上的性能比較。這些軟件分別是：SOAPfuse，FusionCatcher，JAFFA，EricScript，chimerascan，PRADA，deFuse，FusionMap，TopHat-Fusion，MapSplice，BreakFusion，SnowShoes-FTD，FusionQ，FusionHunter，ShortFuse。

15種基因融合鑒定軟件在3組合成數據和3組真實數據上的F-measure得分比較（圖片來源：Liu et al. Nucleic Acids Research, 2016）。F-measure是一種統計量，又稱為F-Score，是Precision和Recall加權調和平均，常用於評價分類模型的好壞，數值越高代表性能越好  注：* 綜合表現最好。

 

值得注意的是，測序read的長度，還有雙端測序read的間隔距離insert size等都會影響基因融合的鑒定效果。因此，上面表中使用了不同類型的測數據來綜合檢驗這15款軟件的性能。其中，Type-1A 為使用wgsim軟件人工合成 的來自5’ 和 3’ end 的chimerical transcripts 雙端測序數據， 其中read長度為100bp，insert size 為500 ± 50 bp； Type-1B數據合成方法和Type-1A類似，只是雙端測序數據的insert size較小，為 250 ± 50 bp；Type-3B: read 長度為50 bp 的合成數據; 另外三組真實數據分別來自於Breast cancer，Melanoma和Prostate cancer。

比較結果顯示，SOAPfuse，FusionCatcher和JAFFA在3組模擬數據和3組真實數據上的綜合性能最好，取得了最高的F-measure分值。

 

 Liu et al. 進一步比較了15種基因融合檢測軟件在更多真實數據上的性能表現。具體如下圖所示：

15種基因融合檢測軟件在真實測序數據集上的進一步性能比較（圖片來源： Liu et al. Nucleic Acids Research, 2016 ）。A到C縱軸為檢測到的真實基因融合數量，橫軸為15種不同的軟件。D圖為Precision和Recall的曲線比較。其中(A) 和(D)使用的是 Breast cancer數據集； (B) 和 (E) 使用的是Melanoma數據集； (C) 和(F)使用的是Prostate cancer數據集。

 

真實數據上的比較結果也顯示，SOAPfuse，FusionCatcher和JAFFA在檢測基因融合時具有較高的准確性。

 

Liu et al. 也比較了15種基因融合檢測軟件在不同測序深度的合成數據集和真實數據集上的運行時間比較。具體如下圖所示：

15種基因融合檢測軟件的運行速度比較（圖片來源： Liu et al. Nucleic Acids Research, 2016 ）。Y軸為運行時間分鍾（min）。A為 合成數據集，read長度為100 bp，模擬測序深度分別為50X, 100X 和200X。B為真實的prostate cancer 171T 的數據集。

 

運行時間比較結果顯示，FusionMap等軟件的運行速度最快。但前面的結果顯示，FusionMap檢測的基因融合准確性較低。

所以，沒有哪一個方法在各方面的性能比較上面都具有最明顯的優勢。整體來看，SOAPfuse綜合比較最好，接着是FusionCatcher和JAFFA。 而且，因為不同軟件具有的優缺點不一樣，如果聯合多個不同軟件一起鑒定基因融合，或可取得更准確的結果。 

 

更多精彩，可見大型免費綜合生物信息學資源和工具平台AIPuFu：www.aipufu.com，關注微信公眾號：AIPuFuBio。

 

希望今天的內容對大家有用，歡迎留言~~！