COSMIC 데이터 분석 시 알아야 할 것
COSMIC 데이터는 대용량 데이터로 매력적으로 보이지만 데이터가 큰 만큼 지저분하고 데이터를 해석하기 위해 알아할 내용도 많다 . 뿐만 아니라 웹페이지에서 자세히 설명하지 않은 부분도 존재하기 때문에 얼핏 봐서는 데이터를 오해하기 십상이다. 때문에 COSMIC 데이터 분석 시 알아야 할 것을 몇 가지 정리하였다.
COSMIC data에서의 mutation 빈도는 실제 mutation 발생률을 대변하지 않는다
위와 같은 cancer browser의 결과를 보고 많은 BI 혹은 의사분들이 해당 유전자 순으로 변이가 자주 발생한다고 종종 오해를 한다. 해당 데이터를 오해 없이 이해하려면 해당 데이터가 어떻게 수집 되었고 가공되었는지 정확히 이해 해야 한다. 우선 COSMIC은 초기 PCR 데이터도 약간 포함되어 있고, Target seq데이터도 포함되어 있다. 때문에 암 연구 초기 단계에 더 많이 연구되었고 Target seq 패널로 더 많이 검사 된 유전자가 더 많이 집계 될 수 있다. 또한 위의 top20 집계는 SNV만 카운트 하였다. insertion, deletion, delins는 제외된 집계 결과이다. 그리고 특정 암종에서는 COSMIC에서 제공하는 변이의 빈도와 실제 임상에서의 빈도가 차이가 크게 차이 날 수 있다. 예를 들면 ovarian cancer의 BRCA 유전자가 그렇다. 이는 COSMIC이 Somatic mutation에 한정된 데이터이기 때문이다. 그렇기에 ovarian cancer 환자에게서 높은 빈도로 발생하는 BRCA germline mutation은 유전자 top20에서 생각보다 후순위에 있는 것을 확인 할 수 있다.
참고로 COSMIC 전체 데이터베이스를 다운 받은 후, 위의 사항을 고려하여 실제 집계를 해봐도 웹 페이지 상에서 제공하는 결과와 다른 것을 확인 할 수 있다. 이는 웹페이지에 집계된 유전자는 CGC tier I만 필터링 한 결과이기 때문이다.
샘플 중복은 완벽하게 제거되지 않았다.
- 가능한 경우 샘플 이름을 기록했으며 논문 내에서 중복을 제거 함.
- 그러나 논문간에 동일한 이름을 가진 두 개의 샘플이 실제로 동일한 샘플인지 확인하는 것은 불가능.
- 따라서 COSMIC에 두 샘플과 두 결과를 모두 포함.
COSMIC에 있는 모든 변이가 진짜는 아니다?
“유명한 연구소에서 제공하는 DB이기 때문에 모든 변이가 진짜 somatic 변이겠지?” 라고 생각했다면 큰일 날 수 있다. 그렇다면 “연구원들이 데이터에 일부러 가짜 변이를 넣었는가?” 하면 그건 아니다. 하지만 아래와 같은 이유로 모든 변이가 somatic 인지 보증 할 수 없다고 한다.
- somatic variant가 아닌 germline variant가 등록되었을 수 있음
- amplicon 데이터의 경우 amplicon based intrinsic error가 somatic 변이로 판단되어 등록되었을 수 있음
- archival formalin-fixed, paraffin embedded material에서 기인한 DNA 손상이 somatic 변이로 등록되었을 수 있음
Whole Genome Screen의 의미?
- Whole Genome Screen은 게놈의 모든 유전자를 조사한 모든 연구를 설명.
- 이 용어는 WGS와 WES을 모두 포함.
Mutation somatic status란?
- 변이가 germline 유래인지, somatic 유래인지 여부를 명시함
| Confirmed Somatic | 종양 샘플의 variant allele이 동일한 개체의 germline allele과 다른 경우. |
| Previously Reported | 동일한 개체의 종양 샘플에 대해 germline allele 정보가 제공된 것이 없는 경우. 하지만 다른 환자의 normal-tumor에서 동일한 변이가 ‘confirmed somatic’ 변이 인 것으로 확인된 경우. |
| Variant of unknown origin | 데이터 소스에 germline allele에 대한 정보가 제공되지 않아 생식선 또는 체세포 변이인지 확인하는 불가능한 경우 matched normal이 없는 경우 |
- DB상에는 위와 같이 존재한다.