◆ ◆ ◆
背景
近期，随着癌症基礎研究的不斷進步，癌症診斷技術的日新月異，以及更多針對性治療手段的增加，個性化治療突飛猛進，為治愈癌症提供了最好的保障。
◆ ◆ ◆
方法
我們通過綜合的基因組資料分析，來精确預測每個惡性良性腫瘤的複雜性，進而開發出适合臨床環境的個性化癌症治療（pct）手段。我們用冷凍的正常樣本和惡性良性腫瘤樣本進行全外顯子基因組測序（wes， 譯者注：測所有表達基因的序列）和基于基因晶片的單核苷酸多态性分析(snpprofiling)， 并進一步做了rna測序，來分析識别惡性良性腫瘤的突變，拷貝數變化（cnv），基因表達（gene expression）的變化，基因融合，以及胚系變異(germline mutation)等資料。為了提高已知的癌症基因突變熱點的監測靈敏度，我們還取得了ion ampliseq的癌症hotspotpanel v2（chpv2）資料。我們将綜合所得的資料與已有的癌症資料庫結合起來，開發了一套針對不同癌症類型的分析流程， 以提高基因組資料分析的品質。
工作流程：
流程說明：
1. 病人樣本制備：正常樣本（血液或正常組織），惡性良性腫瘤樣本， 癌旁組織樣本
2. 收據收集：全外顯子測序（illuminahiseq 2500， 正常樣本）, 基因組熱點測序（ionampliseq hotspot panel v2，正常樣本）, snp 基因晶片（illumina humanomniexpressexome, 正常樣本）, rna測序（illumina hiseq 2500, 惡性良性腫瘤及癌旁樣本）
3. 用于分析的實驗室内部資料庫：資料的品質評估體系、臨床及生物醫學資料、其他共有的或私有的基因組相關資料庫
4. 初級分析：體細胞變異及胚系變異分析，基因拷貝數變異分析，基因融合分析，基因表達分析
5. 次級分析：變異帶來的基因功能分析，變異帶來的可能的病理影響，資料庫比照分析可能的治療位點（其中包括代謝途經分析，藥物及相關文獻檢索，胚系細胞變異分析等）
6. 就分析結果進行充分的内部讨論
7. 向病人及主治醫師送出最後分析結果
通過跨平台的綜合資料分析，在46個病人中，我們為42個病人找到了适合的臨床治療方案。該結果和來自其他實驗室的實體瘤研究結果類似。剩下的4人中，體細胞變異率都比較低，其中兩個人因為卻少冷凍組織，無法進行rna測序。
◆ ◆ ◆
案例分析：病人p0015
病人p0015是一個有趣的案例。該病人55歲，惡性良性腫瘤原始起源不明。我們做了轉移的肝惡性良性腫瘤樣本的基因組分析，分類結果為具有某種印章樣特征的分化較差的腺惡性良性腫瘤。病人接受了放療和化療，并在最近接受了vinorelbine （也是一種化療藥物） 的治療。我們的分析結果沒有找到任何已知的靶向位點，但我們的确發現了一個以前未知的 egfr 突變位點（p.d587h, hg19chr7:55233009g > c ），該位點以前沒有報道。我們比對了tcga（來自美國的癌症基因組圖譜資料庫）的資料，發現該位點與p596 以及 g598很相近。我們通過sanger測序進一步證明了這一突變位點，結合其他位點及化學結構的分析，我們預測這一突變能夠改變 egfr 的自抑制功能，利于配體結合及egfr相關代謝途徑的啟動。我們把突變基因及非突變基因轉入惡性良性腫瘤細胞系做了進一步鑒定，監測結果和我們的預測相吻合。基于這些事實，我們建議使用 egfr 的抑制劑來治療該病人的惡性良性腫瘤。
◆ ◆ ◆
綜合結果
通過綜合的基因組學研究分析，我們得到46例患者的體細胞突變結果，并預測了病人的藥物反應，毒性和預後。我們的綜合分析提高了癌症相關的體細胞突變的監測靈敏度，患者體細胞突變檢測率平均值為17.3，靈敏度分别是chpv2，oncominecancerpanel（ocp）和foundationone(譯者注：這些都是不同公司癌症突變檢測的不同的手段和标準)的13.3倍，6.9倍，4.7倍。我們的綜合方法找到了代謝途徑水準的驅動遺傳變異，進而可以有效的預測治療的效果和毒性。我們在91％的病人中找到了可以靶向治療的變異（每個患者平均4.9％的可靶向治療變異，包括體細胞突變，拷貝數改變，基因表達的改變，和胚系變異體），靈敏度分别是chpv2，ocp 和foundationone的7.5倍，2.0倍，1.9倍。我們的發現徹底改變了4個病人的治療方案。我們還發現并證明了一個新的egfr突變。
19個結腸癌病人的驅動基因變異分析結果：
7個乳腺癌病人的驅動基因變異分析結果：
以上變異分析包括了基因的結構變異、拷貝數變異、基因融合及由此帶來的基因表達變異。基于上面的結果，不難看出每個病人的惡性良性腫瘤組織變異都是不一樣的。即使惡性良性腫瘤内部，也存在不同譜系的變異，這給惡性良性腫瘤的治療帶來了極大的困難。收集盡可能多的跨平台資料，綜合分析，精準診斷，才能找到可行的個性化治療方案。
結論
我們開發出可以在臨床應用的一個綜合基因組的方法，通過綜合的基因組分析，我們可以高靈敏度地确定體細胞突變、拷貝數變化、基因融合、基因表達的改變、以及胚系細胞變異，用以指導個體化癌症治療。我們的研究結果表明，我們所使用的綜合基因組的方法不但可以鑒定出與癌症相關的體細胞突變，比幾種市售惡性良性腫瘤靶向監測手段具有更高的靈敏度，使我們在基因代謝途徑層面下找到相關的驅動突變。跨平台、更多基因組相關資料的擷取和分析，能夠幫助找到更多的靶向位點，這并不奇怪， 并且為我們提供了一個令人信服的理由，一個全面的、綜合基因組方法能顯著增強的基于基因組學的癌症個性化治療方案。
編者注
癌症是一種基因組發生變異而導緻的疾病，每個人的惡性良性腫瘤變異都是不一樣的，并且惡性良性腫瘤内部也存在變異的異質性，還有就是惡性良性腫瘤也在不斷進化，這些都給惡性良性腫瘤治療帶來了很大困難。某種藥物可能在病人 a 身上效果很好，但對病人 b 卻完全沒有效果，即使兩個人是同一種器官起源的惡性良性腫瘤。惡性良性腫瘤複發也是很大的問題，複發後的惡性良性腫瘤往往跟前面的惡性良性腫瘤有完全不同的變異譜系，這意味着以前的藥物往往不再有效。但日新月異的技術發展正在帶來改變，利用最新的技術，收集更多的基因組資料，可以幫助我們越來越精确的作出診斷，并由此找到找到最好的治療效果。大資料及人工智能将在這個過程中起到重要作用。
原文釋出時間為：2016-06-14
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号