Nature子刊：基于AI的预测模型，可快速发现基因组中的致癌突变(3)

利用 Dig 模型，研究人员发现隐性剪接位点的数量占到了在肿瘤抑制基因中驱动突变的5%左右，许多隐性剪接突变似乎会破坏肿瘤抑制基因。
靶向这些突变可以为特定患者提供一种新的治疗方法。目前，一种潜在疗法正在开发中，它使用的是反义寡核苷酸（ASO）。ASO 是一类在基因水平调控的分子药物，它通过序列特异地与靶基因 DNA 或 mRNA 结合而调控特定基因表达。
研究人员表示，如果能以某种方式让这些突变消失，那么就能解决图标带来的问题，肿瘤抑制基因还可以继续工作，也许还能对抗癌症。ASO 可能是一个很好的应用。
该团队发现的另一个非编码驱动突变高度集中的区域是在一些肿瘤抑制基因的非翻译区。肿瘤抑制基因 TP53 在许多类型的癌症中都存在缺陷，并已被发现在被称为 5 "非翻译区（5" UTR）的序列中积累了许多缺失。他们在肿瘤抑制基因 ELF3 中也发现了同样的模式。

研究人员还使用 Dig 来检查已知的常见突变是否也可能导致不同类型的癌症。例如，以前与黑色素瘤有关的 BRAF 也有助于其他类型癌症中较小比例的癌症进展，包括胰腺癌、肝癌和胃食道癌等。
该研究第一作者 Maxwell Sherman 博士表示，这些发现表明，常见驱动突变与罕见驱动突变之间实际上有很多重叠之处。这为治疗方法的再利用提供了机会，并有助于指导我们开展临床试验，以将这些药物从仅在一种癌症中获得批准，扩大到在多种癌症中获得批准，从而帮助更多患者。
论文链接：
https://www.nature.com/articles/s41587-022-01353-8