文章發表於stem.2018.09.016，標題是：A Comprehensive Human Gastric Cancer Organoid Biobank Captures Tumor Subtype Heterogeneity and Enables Therapeutic Screening 本研究主要是完成了一個 a primary gastric cancer organoid (GCO) biobank ，包括34個病人的63個部位，主要是：
- normal, dysplastic, cancer, and lymph node metastases
而且通過形態學，WES和RNA-seq數據說明了其研究團隊構建的類器官可以比較好的模擬其對應的腫瘤，包括 regional heterogeneity and subclonal architecture ，即使是長期培養的類器官也是如此。
值得注意的是在作者發表這個研究之前，已經有兩個關於胃癌類器官的研究了。
We performed exome and transcriptome sequencing of 46 tumor organoids derived from 34 patients, encompassing 4 EBV, 5 MSI, 14 intestinal, 7 mixed, and 4 diffuse type GCs.
也就是說有 17個病人的normal細胞培養得到的類器官，而且有部分病人是培養了多個類器官。
Gastric cancer (GC)背景知識
2014年 7月23日，《自然》（Nature）雜誌在線發表了一項重要研究發現：作爲美國癌症基因組圖集（TCGA）計劃的一部分，研究者通過對295份原發性胃癌樣本進行分子評估，鑑定出了4種胃癌分子亞型。研究者認爲，這將爲胃癌患者分層和靶向治療臨牀試驗提供廣闊的應用前景。
TCGA研究者發現的4種胃癌分子分型具體如下
①愛潑斯坦-巴爾（Epstein-Barr）病毒（EBV）陽性型腫瘤：約佔胃癌的9%，表現爲較高頻率的PIK3CA基因突變和DNA極度超甲基化，以及JAK2、CD274（也稱PD-L1）和PDCD1LG2（也稱PD-L2）基因擴增。
②微衛星不穩定（MSI）型：約佔22%，表現爲重複DNA序列突變增加，包括編碼靶向致癌信號蛋白的基因突變。
③基因穩定（GS）型：約佔20%，其組織學變異瀰漫且豐富，RHOA基因突變或RHO家族GTP酶活化蛋白基因融合現象多見。
④染色體不穩定（CIN）型：此類腫瘤佔胃癌的比例近一半，表現爲顯著異倍體性及受體酪氨酸激酶的局部擴增。
而且它們的分子特性大不一樣，比如：
- enrichment of RNF43 and ARID1A mutations in MSI
- ARID1A and PIK3CA mutations in EBV
- TP53 mutation and oncogenic amplification in intestinal type (CIN)
- CDH1, RHOA mutation, or ARHGAP fusion in diffuse type (GS) GCs.
但是呢，GC的細胞系不好，缺點太多，所以作者的研究團隊才致力於培養類器官，爲精準醫療添磚加瓦！
注意一些簡稱：
- AO, organoids from normal antrum;
- AF, normal antrum frozen tissue;
- BO, organoids from normal body;
- TO, tumor organoids
- TOL, tumor organoids in long-term culture;
- TF, paired tumor frozen tissue
- T2O, tumor organoids from a second region.
關於EBV latent genes
文章裏面提到了：EBV latent genes (EBERs, EBNA1, and LMPs) and lytic genes
EB病毒 (Epstein-Barr virus,EBV)是Epstein和Barr於1964年首次成功地將Burkitt非洲兒童淋巴瘤細胞通過體外懸浮培養而建株，在性病醫院臨牀上並在建株細胞塗片中用電鏡觀察到皰疹病毒顆粒
人體感染EBV後能誘生抗EBNA抗體，抗EA抗體，抗VCA抗體及抗MA抗體。已證明抗MA抗原的抗體能中和EBV。
(EBV)潛伏膜蛋白2(IMP2)中富含T、B細胞多表位肽段基因
鼻咽癌中EB病毒編碼的LMP1調控mTOR信號通路
實驗納入的測序數據
這些數據都在 EGAS00001003145 需要申請才能下載重新分析，可以看到是130個WES數據和131個轉錄組數據，詳情如下：
從實驗設計的角度來說，這個課題組做的很好。
類器官的腫瘤突變全景圖
有趣的是，這裏作者沒有展示其培養的類器官與其每個類器官對應的腫瘤的somatic的SNVs的overlap情況，而是直接展示那46個類器官的WES的突變情況，這裏作者選擇的是Somatic mutation SNV - Strelka 流程，結果如下：
作者給出的描述是，這些類器官來源的癌症病人的亞型與其測序獲得的突變情況是吻合的。
然後作者使用了FACETS算法來計算類器官的WES數據的CNV情況，如下：
也是描述了一下這個CNV是合理的，比較奇怪的是這樣的數據展現在正文，但是卻把類器官與癌症的比較放在附件，而且把突變的全局overlap情況避而不談。
類器官能較好的模擬其對應的癌症
重要的是數據是 Oncoplot of somatic cancer driver alterations in 46 gastric cancer organoids and their
corresponding 44 frozen tumor tissue, 如下圖：
看得出來作者爲了湊成這樣的圖也不容易，只能是挑選重要的基因來展示，而且對於那些腫瘤純度過低的病人來說，也得不到較好的一致性。
這個時候我非常懷疑，不同實驗室所謂培養得到的類器官的穩定性，可靠性了！！！但是類器官本身是學界大佬提出來的，而且是NCS級別的工作，年度技術，應該不會跟那個心肌幹細胞那樣尷尬吧。
類器官長期培養仍然可以保持病人的腫瘤突變特性
比較了類器官在長期培養工程中的somatic變異位點的變化，韋恩圖顯示如下；
很明顯可以看到，TO和TOL幾乎沒有變化，也就是說長期培養不會導致腫瘤類器官新的突變的產生。
當然，作者還秀了另外一個維度，CNV和VAF的，也是說明TO和TOL幾乎沒有變化，如圖：
這個數據結果就非常理想了，很多時候把同樣的DNA材料建庫兩次測序得到的結果一致性其實都還沒有他們這樣的TO和TOL要好。
轉錄組表達數據
首先可以看到所有病人的類器官的轉錄組表達量是符合TCGA數據庫規則的，如下：
作者之所以挑選這些基因集的這些基因來進行展示，是基於其對GC這個癌症的背景知識的理解。
類器官及其對應的原位癌症樣品的表達量差異主要是類器官表達量下降的很嚴重，近3000個顯著下調基因卻只有區區41個上調，如下圖：
很明顯看到類器官和腫瘤樣本是很容易區分開來的，所以可以使用combat來去除這個組間差異。
第一輪combat去除批次效應，發現有20個類器官成功的與其對應的原位腫瘤聚類啦，但是也有21個失敗了，也發現21個失敗的類器官腫瘤純度顯著低於那20個成功的。如下圖：
對剩下的21個類器官的表達矩陣進行進行第而輪combat去除批次效應，發現又有8個可以聚在一起啦。
爲了說明類器官在培養的過程中並沒有造成轉錄水平的變化，作者展示了同一個病人的不同培養時間的類器官的表達量相關性散點圖，如下：
作者也對RNA-SEQ數據找了變異位點，Mutation analysis of the RNA sequencing (RNA-seq) data also serves to validate mutations detected by exome sequencing (Table S4).
生信分析流程
本文關於生物信息學分析部分的參數及流程列的非常詳細！
首先看WES數據分析的文字描述，如下：
然後看其流程圖，主要是軟件：
當然，也有詳細參數：
視頻講解在：https://www.bilibili.com/video/av32774725 【生信技能樹】生信小技巧第二季