 一、背景介绍胃癌（GC）是是一种常见且恶性程度极高的肿瘤，早期症状不明显，大多晚期时才诊断。随着靶向治疗技术的发展，晚期GC病人预后得到改善，但目前只有针对HER2，VEGFR-2， PD-L1 靶点的治疗方案有效，因此作者希望通过更综合的数据分析方法，优化靶向治疗病人筛选条件。 二、分析流程三、结果解读1.FDA认证的肿瘤靶向药物与基因列表作者使用National Cancer Institute, MyCancerGenome，DrugBank数据集寻找FDA认证的靶向药物，去除其中非特异性药物，最终筛选到102个药物。然后对药物靶向基因改变进行注释，共联系到103个基因。通过挖掘MyCancerGenome， CiViC，TARGET，OncoKB数据集，判断基因改变会导致对药物敏感或是耐药，筛选出对治疗有用的基因，进一步分析它们与GC的相关性，因为数据集间有重叠，所以作者将基因改变归纳成了3个等级，Level A>Level B>Level C。 Level A：CiViC level A and B, FDA indication, MyCancer Genome, OncoKB level 1, 2a, R1 Level B：CiViC level C and D, OncoKB level 3a Level C ：Targeted Database all levels, CiViC level E, OncoKB level 4 2.GC病人的基因改变作者利用FireBrowse 与cBioPortal 平台获得GC病人的基因组学和蛋白质组学改变信息，使用MutSig2CV软件获得全外显子测序突变信息，使用GISTIC 2.0 获得基因拷贝数变化，使用反向蛋白芯片（PARP）测量蛋白表达水平。在全部478个病人中作者纳入了393个有序列突变和基因拷贝数变化（CNV）数据的病人，然后分析了他们GC组织样本中的基因突变，CNV，以及蛋白质表达改变，在1877个基因中发现了24538个突变，1902个基因中出现了拷贝数变化，192个基因蛋白表达水平改变。这些基因可能的功能影响如下： 1）功能获得：OncoKB与Civic数据库公开了生物影响得分，活化基因改变以及热点区域的基因改变被标记为功能获得。 2）拷贝数变化：cBioPortal数据库通过GIS-TIC 2.0算法标记了基因拷贝数改变，作者使用其中高度扩增得分“2”作为阈值检测给定样本中是否出现了基因扩增 3）蛋白表达水平：cBioPortal 平台提供了病人肿瘤组织蛋白表达信息，Z-score高于对照组两个标准差被标记为异常 之后作者对靶向基因突变的突变热点进行分析，确定了以下基因为突变热点： 1）处于659位的RNF43，是Wnt通路重要的负反馈调节因子，可导致泛素连接酶E3失活 2）处于273位的TP53，是癌症中最常见的突变 3）处于545位的PIK3CA，在EGFR TKI 耐药性中发挥重要作用 为获得GC中基因的相互作用，鉴定针对CNV的靶向药物，作者对共扩增基因进行了网络分析，图2展示了共扩增基因网络，线段表示在给定病人中基因共扩增，结果显示最常见的共扩增基因对为：ERBB2- RARA （30/393），PIK3CA -SST(17/393), VGFRA-ERBB2 (12/393) 3.药物反应预测：病人亚组分析3a展示了393个病人对靶向治疗的反应预测情况，蓝色代表对已知的曲妥珠单抗+雷莫芦单抗+派姆单抗(T+R+P)有反应，红色代表对FDA认证的其它肿瘤靶向药物有反应，绿色代表无靶向方案可用。基因分析显示65%的病人至少有1个基因改变有对应的靶向治疗方案，15%的病人有 ERBB2, PDCD1，KDR基因改变分别对应曲妥珠单抗，雷莫卢单抗, 派姆单抗。为确定是否有某个分组可区分能否应用靶向治疗的病人，作者首先鉴定了有靶向治疗方案选择的病人，然后将其与不可用靶向治疗的病人进行对比，3b展示了对比结果，每组上方柱代表不可用靶向治疗的病人，即3a中的绿色柱，下方柱代表有靶向治疗方案选择的病人，即3a中的红，蓝柱，有统计意义的结果（p<0.05)使用*标注，结果显示共有9个亚组可作为划分依据：1) STAD-TCGA Consortium分子分型 2)CNV 3)RNA 4)miRNA 5)甲基化 6) ACRG生存分组 7)Lauren分组与基因突变状态 8)TP53 9)RHOA。 4.药物反应预测：药物敏感性或耐药性相关突变作者通过以下三个标准判断某病人是否可以应用靶向治疗： 1)FDA认证的药物靶点基因在GC组织中拷贝数增多 2)药物靶点基因获得功能 3)对于某个基因改变，药物出现了FDA指南中的作用 使用上文ABC等级处理基因改变数据，如果病人敏感性与耐药性等级相同，则归为耐药性，等级不同则取较高等级。图5的y轴代表FDA认证的癌症药物，x轴中蓝色代表基因扩增的GC病人，红色代表获得功能的突变，绿色代表两者都有，紫色代表耐药性，红色线代表目前标准的治疗药物曲妥单抗，黄色线代表了表1中计算出的“有意义的药物反应预测值”，结果显示copanlisib，瑞戈非尼，索拉非尼三种药物效果均较好。此外作者发现引起耐药性的基因改变可与引起敏感性的基因改变同时出现，预计会中和对药物的敏感性，因而认为cetuximab以及第二代或第三代EGRF TKI对GC病人无效。 5.曲妥珠单抗替代药物图4展示了有基因扩增与功能获得改变的病人数量分布，y轴红色代表基因扩增，绿色代表功能获得，紫色代表两者都有，x轴为基因名称，PIK3CA改变最多，而雷莫芦单抗靶向的KDR基因变化少。图5展示了各靶向药物对应的基因改变在GC病人中的出现情况，作者发现与曲妥珠单抗同样靶向Her2的拉帕替尼，帕妥珠单抗也展示了与曲妥珠单抗相似的作用，此外与已认证的GC药物对应基因改变相比，未认证的GC靶向药物对应基因改变更多，如copanlisib，瑞戈非尼，索拉非尼，来那替尼，说明相比GC一线靶向治疗方案，更多病人会从其他方案中受益。表1展示了对曲妥珠单抗与其他通过基因分析得出药物的有反应的病人数目以及他们病人比例的可信区间，结果显示索拉非尼与曲妥珠单抗应答病人比例相同，而copanlisib，瑞戈非尼应答病人比例更高，证明其他治疗方案对GC病人有效，瑞戈非尼，索拉非尼正在临床试验中。 小结 作者通过分析发现FDA认证的GC靶向治疗方法对TCGA数据集中15%的GC病人有效，但同时有50%的病人对FDA认证的其它肿瘤靶向药敏感，通过基因分析，作者发现GC病人的PIK3A突变高，它的抑制剂copanlisib 可能对GC病人有效，此外作者还确定了瑞戈非尼（19%的GC病人预测有反应），索拉非尼（16%的GC病人预测有反应）作为可选择的靶向药物，但文章只对基因和单一药物进行了理论分析，需要进一步的临床实验验证，同时探索多药联合的效果。而且由于使用的TCGA数据仅限于未经过化疗，放疗的早期病人，无法预测在疾病进展与治疗过程中药物的作用。 |
|
|
