Nat Med | 大部分癌症转移后基因组几乎不发生新的突变
撰文：huacishu
IF=53.443
推荐度：⭐⭐⭐⭐⭐
亮点：
1、作者对231名转移性癌症患者的全基因组测序数据和临床数据进行分析和比较，对其转移病灶进行了两次活检并分析。结果表明，在几乎所有情况下，临床医生只需要对整个肿瘤的DNA进行一次测序就足以了解所有的目标治疗方法。
2、基于这些研究结果，研究人员认为，这种检测手段实际上应该提供给所有的转移性癌症患者。
荷兰癌症研究所的Emile Voest教授团队在国际知名期刊Nat Med在线发表题为“Limited evolution of the actionable metastatic cancer genome under therapeutic pressure”的研究论文。基因组分析对于确定转移性癌症患者的治疗方案至关重要，但目前仍不清楚在疾病的治疗过程中应该多长时间重复一次这种程序。为了解决这个问题，作者分析了250对活检组织的全基因组测序（WGS）数据，这些数据是在231名具有代表性的转移性实体恶性肿瘤成年患者的治疗过程中纵向收集的。在活检间隔期间，患者接受了一种或多种标准护理（SOC）治疗线路，所有主要治疗方式都有广泛代表性。在23%和72%的活组织检查中，可分别识别标准护理生物标记物和临床试验登记生物标记物。对于标准护理基因组生物标记物，研究观察到99%的配对患者第一次和第二次活检完全一致。在第一次活检中确定的219个临床试验登记生物标志物中，研究人员在后续活检中发现了94%。此外，在91%的患者中，第二次全基因组测序分析并没有发现额外的生物标志物可被用于临床试验的招募。当考虑小分子抑制剂或激素疗法靶向的特定基因时，观察到更频繁的基因组进化（分别为21%和22%）。总之，研究数据表明，治疗后转移瘤基因组的演化是有限的。对转移性活检进行一次全基因组测序分析通常足以确定标准治疗基因组生物标记物，并确定治疗机会。
研究分析了在231名成年患者的治疗过程中纵向收集的481例实体转移性肿瘤活检的全基因组，并匹配了相应的种系DNA。配对活检的主要组织类型的分布大致反映了欧洲和美国北部实体癌的发病率（图1a），并且类似于先前公布的HARTWIG医学基础（HMF）转移瘤数据库中出现的频率。对于绝大多数患者（231名患者中的213名，92%），分析了两次活检，而对少数患者（分别为17名和1名）分析了三次或四次活检（图1b）。总之，该队列能够对转移性肿瘤连续取样的体细胞基因组图谱进行250对患者内比较，以下称为“成对活检”。对于92（37%）对活检，分析了两个不同的病变，而对83（33%）对相同的病变进行了两次分析。对于其余75对（30%）患者，尚不清楚活检是否来自同一病变（图1c）。在250例（83%）配对活组织检查中，207例（83%）的活组织检查均为转移病灶或原发肿瘤。207对中的187对（90%）的活检标本均取自转移病灶（图1d）。活检间隔的中位时间为6.4个月（四分位间距（IQR），3.8-9.6个月；范围为0.6-33.3个月（图1e）。在250例（89%）成对活检中，222例（图1f）完成了活检间隔内的治疗信息。在这222例（78%）成对活检中的174例中，在活检之间进行了系统性抗癌治疗（单独药物治疗或联合治疗），而在其中39例（18%）的活检间隔中进行了多药物治疗（图1f）。在250例配对活检中有234例（94%）患者在首次活检时进行了系统性预处理。其中66（28%）对患者的首次活检未经治疗，而其余168（72%）对患者进行了系统性预处理。总的来说，在活检间隔内，457个个体抗癌治疗的数据是可用的，所有主要的系统治疗模式都有代表性（图1h）。由于11%的配对患者的治疗信息不完整（图1f），活检间隔内的实际治疗次数略高。
作者首先开始量化成对活检间隔内体细胞基因组改变的累积，这可能归因于系统性抗癌治疗和癌症基因组的内在不稳定性。在整个队列中，每个肿瘤的全基因组突变数量变化了500倍（范围为每个基因组1574-781855个突变，每兆碱基（Mb）0.55-273个突变），成对活检之间的等级相关性很高（图2a）。在活检间隔内，突变的数量显著增加。增加的中值幅度一般不大，但观察到大幅增加的异常值（图2b）。接下来，分析了所有全基因组体细胞改变中成对活检之间的不一致性。对于核苷酸替换、indels和SVs，评估了在一次活检中检测到的基因组改变缺失的部分（图2c）。对于所有三种改变类别，作者观察到成对活检之间存在不同程度的不一致性，并且对于替换，成对活检之间的平均不一致性最低（第一次活检的中位数，0.15；IQR，0.082-0.37；第二次活检的中位数，0.25；IQR，0.12–0.42），指数中间值（损失中值，0.27；IQR，0.17-0.41；中位数上升0.38；IQR为0.24–0.50），SVs最高（损失中值为0.42；IQR，0.29-0.56；中位数上升0.47；IQR，0.35–0.60）（图2c）。所有基因的全基因组拷贝数值通常在成对活检之间高度相关（Pearson r=0.93，IQR中位数，0.84–0.98）（图2d）。在所有类别的基因组改变中，当配对活检来自不同（与相同）病变（转移间异质性）或活检间隔时间增加时，配对活检之间的全基因组不一致性仅略微增加。
接下来，评估了体细胞基因组驱动因素（靶向和非靶向组合）在治疗转移性肿瘤中是如何演变的。为此，首先确定了体细胞基因组驱动因素，定义为具有癌症阳性选择统计证据的体细胞改变）。研究总共检测到2491个体细胞基因组驱动因素，涉及122个癌基因和155个肿瘤抑制基因（图3a）。此外，在27个肿瘤样本中检测到MSI，作者将其定义为驱动因素，因为MSI对肿瘤发生有明显的贡献（图3a）。在481个（97%）肿瘤样本中，至少有466个检测到一个驱动因素。配对活检之间，每个样本的驱动因素数量保持不变，第一次和第二次活检的每个样本的中位数为5（IQR，3-7）个驱动因素（双侧配对Wilcoxon检验，P=0.33）（图3b）。当评估配对活检之间特定驱动因素的一致性时，共享驱动因素的中位数为4（IQR，3-6），第二次活检（获得）特有的驱动因素中位数为0（IQR，0-1），第一次活检（丢失）特有的驱动因素中位数为0（IQR，0-1）（图3c）。在1318人中，总共有1132人（86%）驱动因素也在后续活检中检测到。在第二次活检中发现的1325人中，193名（15%；与先前的活检相比，获得了95%可信区间，13-17%的驱动因素（图3d）)与较长的活检间隔无显著相关性（Wilcoxon秩和检验，P=0.52）（图3e）。对于队列中至少有10个基因组驱动因素改变的所有基因，接下来评估每个单独的基因是否比该组中的其他基因显示出更加丰富的驱动因素。在校正多重假设检验后，没有一个基因与增益频率的增加显著相关。在未经调整的分析中，在AR（编码雄激素受体；双侧Fisher精确检验，P=0.011），ESR1（编码雌激素受体1；双侧Fisher精确检验，P=0.016）和SMAD2（双侧Fisher精确检验，P=0.012）中更加频繁地增加（图3f）。随后确定了在转移性癌症患者的病程中，可作用的癌症基因组的稳定性。为此，通过将体细胞基因组驱动因素映射到临床可操作性的四个知识库：OncoKB30、CGI31、CIViC32和iClusion，确定了每个肿瘤样本对抗癌治疗的反应和耐药性的生物标记物。481例活检中有71例（15%）涉及对特定抗癌药物敏感的生物标记物，而37例（8.0%）活检包含耐药的生物标记物和3例（0.6%）活检同时包含SOC抗性和敏感性生物标记物（图3g）。图3h概述了各种SOC生物标记物和用于研究治疗适应症的生物标记物。
接下来，研究了成对活检中观察到SOC基因组治疗适应症差异的频率。值得注意的是，研究观察到250个样本中有247个完全一致（99%；Clopper–Pearson 95%可信区间，97–100%配对活检（图4a））。在研究的队列中，只有三例患者的随访活检结果表明SOC基因组治疗适应症不同，并且所有患者均发生在12例非小细胞肺癌患者中，其肿瘤具有小分子抑制剂标签上使用的基因组靶点（图4b）。尽管人数较少，但该人群是一个显著的异常值，表明在SOC治疗指征的成对活检中明显存在丰富的不一致性（图4c）。
接下来，研究了第二次WGS分析导致第一次活检未识别的其他研究治疗的频率。250人中有22人是这种情况（图5a）。因此，250人中有228人（91%；Clopper–Pearson 95%可信区间，87–94%）第一次WGS分析已经提供了研究治疗机会的完整视图（图5a）。图5b概述了获得的用于研究治疗适应症的生物标志物（第二次活检所需的生物标志物）。考虑到队列中五种最常见的原发肿瘤类型，乳腺癌在获得用于研究治疗的生物标记物方面最为丰富（双侧Fisher精确检验，P=0.0017）（图5c）。这部分是由四对乳腺癌活检中获得的ESR1热点突变（图5b）所驱动的，这是一种已知的获得性激素治疗耐药机制。接下来，评估了在早期基因组分析中确定的研究治疗生物标记物在随后的活检中丢失的频率，特别是在这些生物标记物在活检间隔内未被药物直接靶向的情况下。为了研究这一点，作者只考虑了250例（89%）配对活检中的222例，以及活检间隔内完整的治疗数据。在这222对患者的首次活检中，确定了262个用于研究治疗适应症的生物标记物，其中219个（85%）在活检间隔内未被治疗作为靶点。在这219个生物标志物中，205个丢失（图5e–h）。与其他队列相比，五个最常见的原发肿瘤部位中没有一个显示出明显更高的生物标记物丢失率，并且该比率也不受病变间异质性的显著影响，尽管丢失的数量较低，因此有限的统计能力限制了最终结论（图5h）。然而，作者确实观察到，当活检间隔时间增加时，这些类型的生物标记物丢失发生得更频繁（图5i）。
最后，研究了小分子抑制剂、激素疗法或单克隆抗体在活检间隔内治疗靶向性编码蛋白质的基因的基因组演化。在70例（21%）病例中，使用小分子抑制剂治疗导致15例药物靶点的基因组改变。当（其中一个）药物靶点在治疗前已经进行了基因组改变（例如，靶向突变EGFR的EGFR抑制剂）时，28例（46%）病例中有13例发生了这种靶点进化压力，而42例（5%）病例中只有2例（图6）。对于激素治疗，58例中有13例（22%）观察到靶向进化，其频率不受靶向治疗前躯体改变状态的显著影响（双侧Fisher精确检验，P=0.29）（图6）。对于单克隆抗体而言，唯一可能发生靶向进化的病例是在贝伐单抗治疗结直肠癌患者的过程中，失去一种意义未知的VEGFA变体（图6）。
综上所述，研究发现，在考虑可行的基因组改变时，同一转移癌患者的多个纵向取样活检显示出非常高的一致性。数据表明，单个WGS分析通常足以绘制SOC基因组生物标记物，用于肿瘤治疗，此外，还有效地确定了大多数转移癌患者临床试验登记的主要持续适应症。对于使用小分子抑制剂治疗以突变蛋白为靶点的少数患者，观察到更频繁的治疗诱导的基因组进化，肿瘤类型和药物特异性研究有助于指导在每个特定临床背景下设计最有效的基因组治疗策略。总之，研究数据进一步加强了为所有转移性癌症患者提供全面基因组分析的机会的理论基础，以确定他们在疾病过程中至少一次的全套基因组治疗方案。
教授介绍
Emile Voest教授就职于荷兰癌症研究所，主要研究领域有两个：基因组学指导的精准医学和肿瘤类器官指导的精准医学。通过对大量临床样本进行全基因组测序和RNA测序，创建了一个庞大的数据集，不仅可以发现新的（基因组）生物标记物，还可以研究耐药机制。团队通过基础研究、计算方法和转化研究，坚定地致力于更好地了解个体肿瘤及其对免疫治疗和靶向治疗的反应性。Emile Voest教授还在国际权威期刊Cell、Nat Med等发表了多篇文章，主持撰写了多部相关专业著作。
参考文献
van de Haar J, Hoes LR, Roepman P, et al. Limited evolution of theactionable metastatic cancer genome under therapeutic pressure. Nat Med.2021;10.1038/s41591-021-01448-w. doi:10.1038/s41591-021-01448-w