#大数据文摘很荣幸的邀请到本文作者，纽约西奈山医学院教授、临床基因检测信息部主任陈荣与各位读者分享相关研究。扫描文末二维码加入大数据文摘“未来医疗与大数据”微信群参与。

编者注：个性化治疗突飞猛进，正在为治愈癌症提供最好的保障。综合的基因组分析方法如何助力个性化癌症治疗？

本文作者陈荣博士及其团队开发出了可以在临床应用的一个综合基因组的方法，通过综合的基因组分析，可以高灵敏度地确定体细胞突变、拷贝数变化、基因融合、基因表达的改变、以及胚系细胞变异，用以指导个体化癌症治疗。他们的研究结果表明，他们所使用的综合基因组的方法不但可以鉴定出与癌症相关的体细胞突变，比几种市售肿瘤靶向监测手段具有更高的灵敏度，使其在基因代谢途径层面下找到相关的驱动突变。

大数据文摘很荣幸的邀请到本文作者，纽约西奈山医学院教授、临床基因检测信息部主任陈荣与各位读者分享相关研究。陈荣博士将在本周六（6月4日）大数据文摘“未来医疗与大数据”微信群中与各位见面并分享相关研究，回答大家的疑问。欢迎扫描文末二维码报名进群参与讨论。

◆ ◆ ◆

背景

近期，随着癌症基础研究的不断进步，癌症诊断技术的日新月异，以及更多针对性治疗手段的增加，个性化治疗突飞猛进，为治愈癌症提供了最好的保障。

◆ ◆ ◆

方法

我们通过综合的基因组数据分析，来精确预测每个肿瘤的复杂性，从而开发出适合临床环境的个性化癌症治疗（PCT）手段。我们用冷冻的正常样本和肿瘤样本进行全外显子基因组测序（WES，译者注：测所有表达基因的序列）和基于基因芯片的单核苷酸多态性分析(SNP Profiling)，并进一步做了RNA测序，来分析识别肿瘤的突变，拷贝数变化（CNV），基因表达（Gene Expression）的变化，基因融合，以及胚系变异(Germline Mutation)等数据。为了提高已知的癌症基因突变热点的监测灵敏度，我们还取得了Ion AmpliSeq的癌症HotspotPanelV2（CHPv2）数据。我们将综合所得的数据与已有的癌症数据库结合起来，开发了一套针对不同癌症类型的分析流程，以提高基因组数据分析的质量。

◆ ◆ ◆

工作流程

◆ ◆ ◆

流程说明

1.      病人样本制备：正常样本（血液或正常组织），肿瘤样本，癌旁组织样本

2.      收据收集：全外显子测序（Illumina HiSeq 2500，正常样本）,基因组热点测序（Ion AmpliSeq HotSpot Panel V2，正常样本）, SNP 基因芯片（Illumina HUmanOmniExpressExome, 正常样本）, RNA测序（Illumina HiSeq 2500, 肿瘤及癌旁样本）

3.      用于分析的实验室内部数据库：数据的质量评估体系、临床及生物医学数据、其他共有的或私有的基因组相关数据库

4.       初级分析：体细胞变异及胚系变异分析，基因拷贝数变异分析，基因融合分析，基因表达分析

5.      次级分析：变异带来的基因功能分析，变异带来的可能的病理影响，数据库比照分析可能的治疗位点（其中包括代谢途经分析，药物及相关文献检索，胚系细胞变异分析等。

6.      就分析结果进行充分的内部讨论

7.      向病人及主治医师提交最后分析结果

通过跨平台的综合数据分析，在46个病人中，我们为42个病人找到了适合的临床治疗方案。该结果和来自其他实验室的实体瘤研究结果类似。剩下的4人中，体细胞变异率都比较低，其中两个人因为却少冷冻组织，无法进行RNA测序。

◆ ◆ ◆

案例分析：病人P0015

病人P0015是一个有趣的案例。该病人55岁，肿瘤原始起源不明。我们做了转移的肝肿瘤样本的基因组分析，分类结果为具有某种印章样特征的分化较差的腺肿瘤。病人接受了放疗和化疗，并在最近接受了vinorelbine （也是一种化疗药物） 的治疗。我们的分析结果没有找到任何已知的靶向位点，但我们的确发现了一个以前未知的 EGFR 突变位点（p.D587H, hg19 chr7:55233009G > C ），该位点以前没有报道。我们比对了TCGA（来自美国的癌症基因组图谱数据库）的数据，发现该位点与P596 以及 G598很相近。我们通过Sanger 测序进一步证实了这一突变位点，结合其他位点及化学结构的分析，我们预测这一突变能够改变 EGFR 的自抑制功能，利于配体结合及EGFR相关代谢途径的启动。我们把突变基因及非突变基因转入肿瘤细胞系做了进一步鉴定，监测结果和我们的预测相吻合。基于这些事实，我们建议使用 EGFR 的抑制剂来治疗该病人的肿瘤。

◆ ◆ ◆

综合结果

通过综合的基因组学研究分析，我们得到46例患者的体细胞突变结果，并预测了病人的药物反应，毒性和预后。我们的综合分析提高了癌症相关的体细胞突变的监测灵敏度，患者体细胞突变检测率平均值为17.3，灵敏度分别是CHPv2，Oncomine CancerPanel（OCP）和FoundationOne(译者注：这些都是不同公司癌症突变检测的不同的手段和标准)的13.3倍，6.9倍，4.7倍。我们的综合方法找到了代谢途径水平的驱动遗传变异，从而可以有效的预测治疗的效果和毒性。我们在91％的病人中找到了可以靶向治疗的变异（每个患者平均4.9％的可靶向治疗变异，包括体细胞突变，拷贝数改变，基因表达的改变，和胚系变异体），灵敏度分别是CHPv2，OCP 和FoundationOne的7.5倍，2.0倍，1.9倍。我们的发现彻底改变了4个病人的治疗方案。我们还发现并证实了一个新的EGFR突变。

19个结肠癌病人的驱动基因变异分析结果：

7个乳腺癌病人的驱动基因变异分析结果：

以上变异分析包括了基因的结构变异、拷贝数变异、基因融合及由此带来的基因表达变异。基于上面的结果，不难看出每个病人的肿瘤组织变异都是不一样的。即使肿瘤内部，也存在不同谱系的变异，这给肿瘤的治疗带来了极大的困难。收集尽可能多的跨平台数据，综合分析，精准诊断，才能找到可行的个性化治疗方案。

◆ ◆ ◆

结论

我们开发出可以在临床应用的一个综合基因组的方法，通过综合的基因组分析，我们可以高灵敏度地确定体细胞突变、拷贝数变化、基因融合、基因表达的改变、以及胚系细胞变异，用以指导个体化癌症治疗。我们的研究结果表明，我们所使用的综合基因组的方法不但可以鉴定出与癌症相关的体细胞突变，比几种市售肿瘤靶向监测手段具有更高的灵敏度，使我们在基因代谢途径层面下找到相关的驱动突变。跨平台、更多基因组相关数据的获取和分析，能够帮助找到更多的靶向位点，这并不奇怪，并且为我们提供了一个令人信服的理由，一个全面的、综合基因组方法能显著增强的基于基因组学的癌症个性化治疗方案。

◆ ◆ ◆

作者及团队介绍

陈荣：纽约西奈山医学院的教授，临床基因检测信息部的主任，负责研发临床罕见病全基因组测序，无创产前基因检测，新生儿基因检测，癌症精准医疗等一系列产品，通过大数据挖掘基因数据库和电子病历找到了保护老年痴呆和降低血糖的可能新药靶向，通过全基因测序和单分子测序找到了几种罕见内分泌癌症（Parathyroidcarcinoma,Cushing's disease) 的可能致病基因并建成癌症筛查面板。在Lancet, Nature Biotechnology, NatureMethods, Cell,PNAS, Science Translational Medicine, PLOS Genetics, AJHG，JCI等顶级杂志上发表了80多篇文章。代表作是2010年发表在柳叶刀（Lancet) 的”FirstClinical Assessment of human genome"。基于这篇文章的工作和测序界的领袖John West 成立了测序诊断的初创公司Personalis，组建了基因诊断的团队，研发了健康人群和罕见病的报告。担任过几个基因测序诊断的初创公式的科学顾问（ScientificAdvisor Board），包括BinaBiotechnology, （2014年底被罗氏制药公司收购），和TuteGenomics。在西奈山医学院筹备成立了移动医疗初创公司LifeMap Solution。

原文发布时间为：2016-06-03

本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号