昆明動物所開發出適用于高通量異質性數據算法

　　挖掘腫瘤大數據有助于識別和總結腫瘤發生、發展過程的分子變化規律。然而，腫瘤組織高度異質性、批次效應等因素是腫瘤數據分析的重要難題，而目前常用的轉錄組數據分析方法對于腫瘤離群值極度敏感，容易產生假陰性結果。針對此，中國科學院昆明動物研究所科研人員開發了一種新的不依賴均一化、非參的高維大數據分析算法（Cross-Value Association Analysis，CVAA）。基于對同一批轉錄組數據（1037個乳腺腫瘤和110個正常組織）的分析結果揭示：與T-Test、edgeR及DESeq等常用算法相比，CVAA在處理異質性數據時能明顯地減少異常樣本的影響和假陰性結果。

　　進一步將CVAA應用于TCGA數據庫的5540個腫瘤（13種實體瘤）及正常組織的RNA-Seq轉錄組數據，研究人員成功鑒定到大量腫瘤顯著差異表達基因，且不同腫瘤之間存在很多相似的基因轉錄紊亂模式。進而，針對甄別得到的新的腫瘤相關基因和生物學途徑，如酒精代謝途徑（ADH1B基因）、補體途徑（Adipsin）等，研究人員篩選了10個未被報道的基因進行了體內外功能驗證研究，結果發現其表達量變化均能顯著抑制腫瘤細胞的增殖和/或遷移，且部分基因（ADH1B和NCAPH）表達量改變顯著影響病人生存率和體外移植瘤的生長。因此，該項工作不但成功鑒定出大量新的腫瘤相關基因和通路，為深入理解腫瘤發生發展提供研究靶標，同時也表明CVAA算法在大批量、異質性數據分析中具有重要的應用價值。

　　該研究成果于近期發表在國際期刊Theranostics上，昆明動物所助理研究員李其剛、副研究員何永捍、博士生吳煥和副研究員楊翠萍為共同第一作者，研究員孔慶鵬和陳勇彬為共同通訊作者。該項目得到中科院、國家自然科學基金、云南應用基礎研究和中科院青年創新促進會等的項目的支持。