随着肿瘤免疫药物纷纷上市，临床对于相应基因检测产品的需求日益迫切。肿瘤突变负荷(TMB)是评估肿瘤患者是否适用于免疫治疗的关键生物标志物。然而，现有的突变检测技术在实际运用中存在明显的性能波动，导致一部分人群的癌症患者存在较高的误诊风险。究其原因，关键在于忽视了人群间基因组的差异性，不同人群在突变数量、种类、特征等多方面均有差别，基于西方人临床队列设计的软件在处理中国癌症患者数据时需要调整；另一方面，癌症患者间也存在差异，而检测软件缺乏对差异的识别和自适应匹配能力。因此，面向产业链需求，亟需实现样本内的区段数据特征与突变检测策略的动态适配。
针对上述挑战，西安交通大学计算机科学与技术学院生物信息管理与数字健康研究团队与南京世和基因生物技术股份有限公司合作，提出了一种基于推荐思想的数据特征与检测策略动态适配的肿瘤突变检测方法。该方法基于元学习框架，根据测序数据在各个基因组区域的不同数据特征，智能化选择最优的突变检测策略，有效控制检测策略错配导致的样本间的性能波动问题。算法将目标检测区域细分为突变候选区，对具有相似特征的区域聚类，再为每个类动态适配最优的突变检测策略。大量实验证明，该技术显著提高了实际生产中的检测性能稳定性。
作为该技术的应用场景，据了解，国家药品监督管理局通过创新医疗器械特别审查程序，批准南京世和医疗器械有限公司的“非小细胞肺癌组织TMB检测试剂盒（可逆末端终止测序法）（国械注准：20233401452）”上市。该产品基于高通量测序技术，通过检测人类基因组上与肿瘤高度相关的425个关键基因，从而计算肿瘤突变负荷(TMB)，是国内首个且唯一一个NGS大Panel基因检测试剂盒。基因突变层面最低检出限达2%，TMB检出限低至5%肿瘤细胞含量，最低检出限等同或优于国外已获批同类产品。
近日，以上研究成果以《有效控制异质性测序样本突变检测性能波动》（TMBstable: A variant caller controls performance variation across heterogeneous sequencing samples）为题发表在生物信息学领域国际权威期刊《生物信息学简报》（Briefings in Bioinformatics）上。该期刊在数学与计算生物学大类（Mathematical & Computational Biology）的57个期刊中排名第1。西安交通大学计算机科学与技术学院王申杰博士为研究论文的第一作者，生物信息管理与数字健康研究团队朱晓燕副教授、刘玉乾助理教授、王嘉寅教授，南京医科大学邵阳教授、南京世和基因研究团队共同参与研究工作。研究工作得到了国家自然科学基金重大项目等项目的支持。
论文链接：https://academic.oup.com/bib/article/25/3/bbae159/7648263
