李晓东，何小雨，陈玮，李瑞琳，赵丹，祝海栋，张裕，代闯闯，陆忠华，迟学斌,3，牛北方,4*，郎显宇*

1. 中国科学院计算机网络信息中心，北京 100190

2. 中国科学院大学，北京 100049

3. 中国科学院计算科学应用中心，北京 100190

4. 贵州大学医学院，贵州 贵阳 550025

引言

在对肿瘤长久以来的研究中，研究人员逐渐将它定义为一种“基因组疾病”[1]。肿瘤起源于某个上皮细胞，当它积累了足够的体细胞突变后，会导致其自身的增殖失调，从而扩展成一个大的细胞群，细胞群中的子代细胞也保留有与祖先细胞一致的突变。能够诱发细胞发生肿瘤变异以及促进肿瘤发展的突变可以分为两种：抑制基因 (suppressor genes) 的失活性突变和癌基因 (oncogenes) 的激活性突变。两种变异都可能导致携带它们的细胞获得显著的成长优势，从而迅速发展成肿瘤组织。

肿瘤基因组研究期望寻找到变异基因与临床表现之间的联系，从而识别出驱动肿瘤进化发展的变异，为病人提供有效的精准治疗方案。研究发现[2]，肿瘤基因组变异主要有单核苷酸变异(Single Nucleotide Variant，SNV)，插入和缺失变异(Insertion and Deletion，Indel)、结构变异 (Structure Variant，SV) 三种类型。其中肿瘤体细胞 SNV 是一种最简单的变异类型，在肿瘤的发生中扮演重要的角色[3]。SNV 可能导致对应的氨基酸改变，甚至所编码蛋白质密码子变成终止密码子，从而影响基因的功能。通过高通量测序技术，研究人员能够直接获得肿瘤和正常组织样本的原始基因序列数据。通过分析样本基因序列，并与标准参考基因组比对，寻找与肿瘤相关的 SNV，是目前肿瘤基因研究中常用的方法。……