【佳学基因检测】新辅助帕唑帕尼和肾细胞癌组织反应的基因检测分析

肾脏癌靶向药物基因检测导读：

手术仍然是局部透明细胞肾细胞癌 (ccRCC) 患者的一线治疗方法；然而，20%–40% 会复发。血管生成抑制剂提高了转移患者的生存率，并可能在新辅助治疗中产生反应。这些药物对肿瘤遗传异质性或免疫环境的影响在很大程度上是未知的。该 II 期研究旨在评估帕唑帕尼新辅助治疗的安全性、反应和对肿瘤组织的影响。

佳学基因靶向药物基因检测为什么要研究新辅剂帕唑帕尼的基因检测？

肾细胞癌 (RCC) 是最致命的泌尿系恶性肿瘤，2018 年美国估计有 65,340 例新病例和 14,970 例死亡病例。针对临床局限性疾病的手术切除仍然是治愈性干预的主要手段。然而，大约 20%–40% 的患者会出现疾病复发，其中三分之二的患者会在肾切除术后的第一年内复发。尽管舒尼替尼在美国基于无复发生存期被批准用于辅助治疗，但在新辅助治疗中，尚未批准任何疗法。因此，尽管在转移性疾病的管理方面取得了重大进展，但手术时的风险降低仍然是一个由佳学基因高度专注的领域。

在过去的十年中，RCC的治疗策略已经发生了复兴，首先是引入有潜力缩小肿瘤、延缓疾病进展并显著改善生存率的靶向治疗。特别是针对VEGFR的治疗一直表现出促进肿瘤负荷减少的前景，从而提供了一种缓解疼痛和其他肿瘤相关症状的主要机制。口服血管生成抑制剂帕唑帕尼布，其靶点包括VEGFR、血小板源性生长因子受体（PDGFR）和c-Kit，已获得FDA批准，用于治疗晚期RCC患者，基于与安慰剂相比，显著改善无进展生存期（PFS）（9.2个月对4.2个月，P＜0.001），总体反应率（RR）为30％。

FDA批准帕唑帕尼的随机Ⅲ期试验中，大多数（88%）受试者已接受过肾切除术，因此这些结果的适用性受到了限制。最近的一项针对转移性疾病的研究评估了术前帕唑帕尼的安全性和疗效，并报告了13%的总体缓解率和84%的临床获益率，其毒副反应可以控制。基于转移性RCC治疗中的成功经验，术前使用帕唑帕尼也可能使局部晚期患者获益。此外，治疗RCC的第二个主要突破是免疫检查点阻断(ICB)的引入。ICB根据总体缓解率和生存数据在转移性疾病治疗中具有广泛适应症。此外，血管生成抑制剂与ICB的联合治疗正在积极研究中。随着ICB疗法正在进入围手术期的治疗，目前正在进行重大的Ⅲ期临床试验，因此了解血管生成抑制剂对肿瘤和肿瘤微环境的潜在影响是至关重要的。因此，肾脏癌靶向药物基因检测设计了这个Ⅱ期研究来评估术前帕唑帕尼在临床II期或以上局部疾病患者中的安全性和疗效。

作为一个探索性目标，佳学基因肿瘤基因解码描述了RCC特定分子特征和肿瘤反应之间的关联。透明细胞型RCC（ccRCC）是一种由少数高频基因突变事件主导的疾病。von Hippel-Lindau（VHL）肿瘤抑制基因的突变常见，与染色体3p杂合失衡相结合。在高通量测序研究中鉴定了几个其他3p基因在SETD2、PBRM1和BAP1中次生突变。TP53、PTEN和mTOR等基因在约5%的病例中发生突变。VEGF靶向治疗对个体肿瘤内突变克隆的组成的影响是佳学基因拟研究的问题。理论上，由于克隆选择的作用，耐药克隆可能在治疗后更加明显。因此，佳学基因肿瘤靶向药物基因检测进行了时间分隔的肿瘤测序分析，以研究暴露于帕唑帕尼后的肿瘤突变谱的治疗效果。肿瘤基因解码基因检测过程中还使用RNA测序分析检查了治疗前后的肿瘤，以观察其对总体转录谱和肿瘤浸润免疫特征的影响。

新辅剂帕唑帕尼治疗效果与基因检测结果之间的关系

抗血管生成药物（如帕唑帕尼）在转移性肾细胞癌患者中的治疗作用已被充分证实。因此，术前治疗可能会在肾切除手术前产生类似的益处，并且延长无复发生存期。《新辅助帕唑帕尼和肾细胞癌组织反应的基因检测分析》旨在评估术前帕唑帕尼治疗未经治疗的局限性、未分化肾细胞癌患者的安全性和疗效。总体而言，术前帕唑帕尼是安全的，大多数治疗相关毒性为 ≤2 级。毒性频率和严重程度与以前报道的帕唑帕尼毒性相似。疲劳、高血压、胃肠道毒性（如味觉失常、腹泻和恶心）和肝酶升高是最常见的不良事件，并且可以通过保守治疗得到管理。

术前帕唑帕尼导致了 8 例肿瘤 PR（38%，21 例中的 8 例）。泌尿系统肿瘤的基因解码观察到的反应类似于 Rini 等人的研究，基因解码发现在接受 8-16 周术前帕唑帕尼治疗的局限性未分化肾细胞癌患者中的 36% RR。此外，这些观察到的反应类似于导致帕唑帕尼在转移性疾病患者中获得批准的 III 期随机研究（独立审查的 30% RR）的报道。总的来说，这些结果表明，术前帕唑帕尼对于治疗局限性未分化肾细胞癌患者同样有效。

尽管患者接受了治疗时间长达8至12周的药物，但未观察到响应方面的显著差异，尽管最佳疗程时间仍未知。这些结果与先前的另一个基因解码的研究结果一致，该研究报告称，大部分从根治性到部分肾切除的显著反应在8周后观察到。然而，当前和以前的新辅助研究的局限性凸显了需要在更大的前瞻性队列中进一步评估新辅助帕唑帕尼的临床效用的事实——最理想的是评估新辅助帕唑帕尼与单纯肾切除相比的临床结果的随机研究。尽管如此，新辅助治疗帕唑帕尼对于缩小局部ccRCC肿瘤大小非常有效，可能导致患者手术方法更简单。

肾脏癌的肿瘤基因解码分析包括基因检测等分子分析，确定了治疗前和治疗后样本的肿瘤内突变谱的强烈相互关联。这种成对活检中驱动基因富集的独特突变模式，具有极低的随机概率。事实上，5个有配对样本的病例聚集在一起。这一发现并不与以前报道的异质性研究相矛盾。尽管在两种模型中都存在肿瘤异质性，但基因解码对通过时间、空间和治疗暴露分离的肿瘤标本的检查表明，这些因素有可能影响肿瘤的突变谱。

基因解码的结果还有助于分析肿瘤复发的机制。治疗似乎可以使与RCC常见相关突变的基因丰度增加。大多数肿瘤显示了总体突变数量的减少和突变等位基因频率的增加，而不是通过进一步突变或其他基因组不稳定性增加异质性的证据。无论这种适应性涉及消除携带乘客突变的细胞还是富集克隆派生的肿瘤细胞集合，似乎暴露于相对短时间的抗VEGFR疗法会选择每个肿瘤中独特的一组肿瘤细胞。不能确定这是否反映了特定肿瘤细胞亚群对治疗的敏感性或出现的耐药性特征 - 只能确定后期样本中发现的突变仍然是相关的，并且不是扩大高度异质性肿瘤细胞群的迹象。需要第三次肿瘤活检来回答这个问题。

治疗可以使肿瘤选择性地丰富重要的驱动基因突变的概念在RCC中并不新鲜。最近，肿瘤基因解码证明，患者来源的异种移植瘤细胞得到了充分的丰富，从而使BAP1成为主要的驱动突变的发现成为可能。在VEGF靶向治疗的情况下，肿瘤生存的过程施加了不同但类似的一组外部力，这些力可能也会丰富具有侵袭性的克隆亚群。同样，帕唑帕尼疗法可能有利于克隆扩张，可能由于改变的细胞外环境或耗尽氧和营养资源，从而导致克隆的丰富。这可以通过增加突变等位基因频率来解释，通过选择性排除一部分肿瘤细胞，从而消除高度可变乘客突变的噪音。

基因解码展示了新辅助帕唑帕尼通过收缩从全外显子组测序中恢复的肿瘤克隆型数来导致遗传多样性的减少。此外，虽然T细胞含量略有降低，但还没有足够的数据来暗示这反映了对治疗的T细胞重排。在最近的一项分析中，来自PD-1抑制剂（nivolumab）治疗的黑色素瘤患者的基因组收缩与部分或完全反应的实现密切相关。在非小细胞肺癌中，肿瘤遗传异质性与免疫检查点抑制的原发性耐药性有关。未来使用单细胞分析的研究将有必要直接解决这个问题。最后，虽然基因解码不假设帕唑帕尼主要通过免疫机制发挥作用，但如果确认了基因组同质性和响应之间的关系，新辅助治疗可能是将VEGF受体TKI与免疫检查点抑制剂相结合治疗的有效途径，并应进一步评估。

最终，这项探索性研究提供了有关RCC肿瘤基因组生物学的两个方面的信息。首先，肿瘤内的样本，即使在治疗干预后时间上分离，也聚集在一起，显示每个肿瘤具有相对独特的突变谱，使其与其他具有类似组织学特征的肿瘤分离。因此，尽管存在肿瘤异质性，利用离散的样本定义肿瘤的生物标志物研究并不徒劳无功，尽管存在肿瘤异质性。其次，这项探索性分析显示，靶向VEGF疗法治疗后样本内的基因组异质性降低，表明了克隆进化过程的改变，从而消除对治疗敏感的特定肿瘤细胞亚群。因此，治疗后的肿瘤可能更能代表驱动癌症或与疾病进程相关的克隆。应该考虑在特定的靶向疗法后进行基因标记基因检测分析，因为个性化治疗正在成为医疗实践的趋势。

综个所述，肿瘤基因解码的研究结果（虽然样本较小）表明，对于尚未接受过治疗且患有局部病变的ccRCC患者，新辅助治疗帕唑帕尼是安全和有效的，可以缩小肿瘤。此外，探索性的基因组学分析表明，大多数肿瘤显示出总体突变数量的减少和突变等位基因频率的增加，而免疫表达标志物的变化不大，这为进一步研究肿瘤反应的特定基因标志物提供了证据。

肿瘤基因解码过程中的基因检测技术

组织和血液样本

在经过同意的患者中，进行了治疗前和肾切除标本的组织活检。组织核心被快速冷冻并存储在液氮中。也收集了全血进行基因组研究。

基因组分析和转录分析

治疗前和肾切除标本中的样本被分开进行立即快速冷冻或福尔马林固定，然后使用标准组织处理器（Leica Peloris II）处理并石蜡包埋。5微米厚的切片用H&E染色进行光学显微镜评估。这些诊断幻灯片的图像在Leica数字成像显微镜上使用标准亮场设置以40倍放大率准备。

对同意的患者进行组织活检，术前和肾切除标本均采集组织样本，样本柱用液氮快速冻存。同时采集全血进行基因组学研究。

对术前和肾切除标本进行分离，进行快速冰冻或福尔马林固定，随后使用标准组织处理器（Leica Peloris II）和石蜡嵌入处理。制备5微米厚的切片，用H&E染色进行光学显微镜评估。使用标准亮场设置，在Leica数字成像显微镜上制备40×放大的图像。

使用QIAGEN基因组DNA分离产品从粉碎的冷冻组织或全血浓缩层中提取DNA。将DNA进行声波碎裂，并使用Nextera Rapid Exome Capture（Illumina）制备文库。样本在Illumina 2500 HiSeq上运行，使用100 bp配对端读取。使用BWA“mem”算法（可在https://github.com/lh3/bwa上获得）进行对齐到hg19，使用ABRA对主要对齐进行重新对齐，使用Strelka调用体细胞突变，并使用SnpEff进行注释。误负影响关于个体独特突变的频率和性质的推断。因此，基因检测选择通过首先选择从任何一个受试者的任何一个样本中高可信地调用的所有突变（Strelka QSS_NT> 30或QSI_NT> 30）来限制误负。然后使用受试者的所有样本的联合集来查询数据，并为受试者的所有样本估计突变等位基因频率。以这种方式，即使仅在一对中存在高质量的突变调用，任何支持在术前和术后样本中的突变的证据（读取）也会被使用。使用层次聚类（欧几里得距离，完全连接）对突变等位基因频率矩阵进行特征化，并使用分位数-分位数图进行视觉比较分布。这里定义私有突变是指在单个肿瘤样本中唯一观察到而不与同一受试者的任何其他肿瘤样本共享的突变。执行Kolmogorov-Smirnov检验以测试突变等位基因频率分布在术前和术后样本之间是否不同的零假设。为了控制肿瘤细胞数量或克隆性的差异，我们使用仅在两个样本中频率大于零的突变来执行相同的检验。

基因解码使用R中的DNAcopy软件包计算全外显子数据的等位基因频率，并将其表示为拷贝数，以比较治疗前后的数据。虽然治疗前的活检是招募的要求，但只有5名受试者的治疗前活检样本具有足够数量和质量的核酸评估。

转录分析

样本使用QIAGEN RNA分离产品从粉碎的冷冻组织中处理出RNA。使用Qubit量化RNA，使用NanoDrop检查潜在的污染，并使用TapeStation检查片段大小以保证质量。使用Illumina TruSeq串联协议准备RNA测序文库，并使用Illumina HiSeq2500平台进行2×75双端测序。使用FASTQC软件（34）评估输出Fastq文件的测序读取质量，并使用STAR（v2.4.2a）将Fastq文件与hg38转录组进行比对，并使用Salmon（v0.6.0）（36）进行组装。测序读取数少于3000万的多映射和唯一映射读取数的样本将被删除。使用R包biomRt（37）将基因从UCSC格式转换为HGNC符号和Entrez ID。在未标准化的基因输出上使用R包DESeq2（v1.14.1）进行差异基因表达分析。使用R包GSVA（v1.22.4）中的单样本GSEA（ssGSEA）方法对上四分位数标准化的基因计数进行GSEA。大多数基因集来自Molecular Signatures Database的化学和遗传突变（https://www.gsea-msigdb.org/gsea/msigdb/），KEGG（https://www.genome.jp/kegg/pathway.html），致癌基因特征以及先前筛选出的免疫基因特征基因集。

(责任编辑：佳学基因)

顶一下

(0)

踩一下

(0)

推荐内容：

最新评论 进入详细评论页>>