拿到肿瘤NGS报告,如何选择用药?
作者,Evil Genius
除夕了,龙年来了,结婚的人有点多,看来龙宝宝也会很多啊。
今年多灾多难,母亲也患了结肠癌动了手术,当然了,也做了NGS辅助后续治疗,对于肿瘤NGS的检测报告,不妨解读一下,以后大家要是遇到了,可以按照这个顺序解读。
其实肿瘤检测报告大致可以分为3部分,靶向用药部分(SNP、INDEL、CNV、SV)、化疗用药部分,免疫治疗部分(MSI、TMB),国内的NGS检测报告还是以金域、迪安、华大等为最专业。
先来重复一下靶向用药的基础内容
(1)临床靶点或驱动基因相关体细胞变异注释及解读
根据2017年AMP/ASCO/CAP联合制定的体细胞变异解读指南,体细胞变异在不同癌种中对应的药物敏感性证据分为4个等级。
该体细胞变异解读指南在国内影响范围最广,许多第三方NGS检测公司的临检报告即遵循
该指南的分级原则对基因变异进行解读。
其中看了一些其他的报告,国外的检测报告确实比国内专业的多,无论是遗传还是肿瘤。
先来看靶向用药部分,靶向用药,顾名思义,针对特定的突变位点、INDEL位点和CNV、SV事件,有专门的靶向药可供使用,如下图:
华大的检测报告算国内水平高的,在具体的位点推荐了具体的用药,再来看一份
这份报告的水平专业性就要差很多,EGFR的有害突变推荐的靶向药居然是EGFR-TKI融合的靶向药,借鉴度不高。
我们再来看看国外的检测报告,专业度相当高,临床的研究进展,本癌种或者其他癌种,
每个基因突变都有详细的介绍和文献引用,包括药物的详细介绍
对比一下国内的介绍,高下一目了然。
其中敏感和耐药也是需要关注的部分,以下图为例
如果单从基因层面看,是否可以用药,需要参考佐证等级;该患者提示耐药位点是明确的,证据等级是R1;敏感相关的佐证等级是3B,临床证据等级低,存在的争议较大,一般不会考虑用药;
如果没有可信度很高的靶向药,但是有很多有害突变,并且确诊为恶性肿瘤,这个时候就需要化疗用药,例如下面:
|Ⅰ: 对应有FDA/NMPA批准、NCCN指南建议的本癌种药物的基因突变
基因 | 变异类型 | 碱基变异 | 氨基酸变异 | 参考序列 | 突变频率 | 变异来源 |
---|---|---|---|---|---|---|
EGFR | nonframeshift deletion | c.2235_2249del | p.E746_A750del | NM_001346898 | 3.20% | --- |
TP53 | nonsynonymous SNV | c.A659G | p.Y220C | NM_000546 | 2.29% | --- |
Ⅱ: 对应有FDA/NMPA批准的其他癌种药物的基因突变
基因 | 变异类型 | 碱基变异 | 氨基酸变异 | 参考序列 | 突变频率 | 变异来源 |
---|---|---|---|---|---|---|
--- | --- | --- | --- | --- | --- | --- |
Ⅲ: 无对应推荐用药,但致病性明确的基因突变
基因 | 变异类型 | 碱基变异 | 氨基酸变异 | 参考序列 | 突变频率 | 变异来源 | |
---|---|---|---|---|---|---|---|
RECQL4 | splicing | c.2296+1C>- | --- | NM_004260 | 100.00% | --- | |
HLA-B | nonframeshift substitution | c.204_205delinsGA | p.E69K | NM_005514 | 56.84% | --- | |
AURKA | nonsynonymous SNV | c.T91A | p.F31I | NM_003600 | 49.83% | --- | |
IRS2 | nonsynonymous SNV | c.G3170A | p.G1057D | NM_003749 | 48.92% | --- | |
ZFHX3 | nonframeshift deletion | c.10554_10556del | p.G3527del | NM_006885 | 48.09% | --- | |
KMT2C | nonsynonymous SNV | c.T2959C | p.Y987H | NM_170606 | 30.59% | --- | |
LATS2 | nonframeshift insertion | c.1436_1437insCGCCCC | p.A480_A481insPA | NM_014572 | 25.00% | --- | |
ZFHX3 | nonframeshift deletion | c.5221_5223del | p.Q1741del | NM_006885 | 5.01% | --- | |
RB1 | splicing | c.1049+1G>T | --- | NM_000321 | 3.66% | --- | |
ATR | frameshift insertion | c.2320dupA | p.I774Nfs*3 | NM_001184 | 3.63% | --- | |
RAD50 | frameshift deletion | c.2157delA | p.K722Rfs*14 | NM_005732 | 3.27% | --- | |
RAD50 | frameshift insertion | c.2157dupA | p.E723Gfs*5 | NM_005732 | 3.27% | --- | |
PTEN | frameshift deletion | c.945_946del | p.L316Sfs*8 | NM_000314 | 2.76% | --- | |
AR | nonframeshift deletion | c.255_257del | p.Q91del | NM_000044 | 2.68% | --- | |
CHD2 | frameshift insertion | c.4165dupA | p.Q1392Tfs*17 | NM_001271 | 2.00% | --- | |
HSP90AA1 | nonframeshift deletion | c.836_838del | p.K279del | NM_005348 | 1.93% | --- | |
CCN6 | frameshift insertion | c.616dupA | p.C209Mfs*21 | NM_003880 | 1.90% | --- | |
STAT5B | frameshift deletion | c.1102delC | p.Q368Rfs*2 | NM_012448 | 1.60% | --- | |
HNF1A | frameshift insertion | c.865dupC | p.G292Rfs*25 | NM_000545 | 1.46% | --- | |
ABL1 | nonframeshift deletion | c.1813_1815del | p.K609del | NM_005157 | 1.41% | --- | |
DAXX | nonframeshift deletion | c.1353_1355del | p.E457del | NM_001350 | 1.15% | --- | |
MSH6 | frameshift deletion | c.3254delC | p.F1088Sfs*2 | NM_000179 | 0.95% | --- | |
XRCC2 | frameshift deletion | c.350delT | p.L117Wfs*17 | NM_005431 | 0.94% | --- | |
BCL10 | frameshift deletion | c.136delA | p.I46Yfs*24 | NM_003921 | 0.87% | --- | |
KMT2C | nonsynonymous SNV | c.G2726A | p.R909K | NM_170606 | 0.48% | --- |
Ⅳ: 临床意义暂不明确的基因突变
基因 | 变异类型 | 碱基变异 | 氨基酸变异 | 参考序列 | 突变频率 | 变异来源 |
---|---|---|---|---|---|---|
CTTN | nonsynonymous SNV | c.C1214T | p.S405L | NM_005231 | 49.87% | --- |
FAT1 | nonsynonymous SNV | c.A755C | p.E252A | NM_005245 | 49.80% | --- |
SPTA1 | nonsynonymous SNV | c.C6235T | p.R2079W | NM_003126 | 47.52% | --- |
AXL | nonsynonymous SNV | c.G938A | p.S313N | NM_001699 | 43.92% | --- |
RPS6KB2 | nonsynonymous SNV | c.C800T | p.P267L | NM_003952 | 41.08% | --- |
LRP1B | nonsynonymous SNV | c.A6221C | p.N2074T | NM_018557 | 2.56% | --- |
NOTCH3 | nonsynonymous SNV | c.A4762C | p.N1588H | NM_000435 | 2.27% | --- |
KMT2C | nonsynonymous SNV | c.T3340C | p.C1114R | NM_170606 | 2.04% | --- |
MLH3 | frameshift insertion | c.1755dupA | p.E586Rfs*3 | NM_014381 | 1.69% | --- |
FLCN | nonsynonymous SNV | c.A275C | p.H92P | NM_144606 | 1.63% | --- |
CHD4 | nonsynonymous SNV | c.G414T | p.E138D | NM_001273 | 1.55% | --- |
KMT2C | nonsynonymous SNV | c.C2459T | p.T820I | NM_170606 | 1.51% | --- |
SPTA1 | nonsynonymous SNV | c.G2660A | p.R887Q | NM_003126 | 1.09% | --- |
NSD1 | nonsynonymous SNV | c.A2903G | p.K968R | NM_022455 | 0.59% | --- |
KMT2C | nonsynonymous SNV | c.T2468A | p.I823N | NM_170606 | 0.59% | --- |
化疗用药的特点就是无差别攻击,对肿瘤细胞和正常细胞均进行攻击,目前化疗的效果,一般都不尽如人意,所以国外的报告均不推荐化疗,国内目前会推荐,其中专业版的报告会详细把化疗与基因型的关系,以及化疗药物和靶向药物的联合使用做详细的说明。
下面的化疗的推荐结果示例,
当然还是需要更多的解读,下面的这份报告专业度就要差一点:
再次提醒一下,化疗用药毒副作用很大,并且和基因突变等信息存在强关联,需要特别慎重考虑。
第三部分,免疫治疗
肿瘤免疫治疗是通过主动或被动方式使机体产生肿瘤特异性免疫应答,发挥其抑制和杀伤肿瘤功能的治疗方法。肿瘤免疫治疗主要包括免疫检查点抑制剂(ICB)、过继性细胞转移疗法(ACT)、肿瘤特异性疫苗、小分子免疫药物等。肿瘤免疫治疗有着特异高效,并使机体免于伤害性治疗等优点,随着肿瘤免疫学理论的深入研究和技术的不断进步,其有望实现根治肿瘤的新突破,成为肿瘤治疗的主流方法。
目前肿瘤的免疫治疗分为四大类:免疫检查点抑制剂(PD-1/L1)、肿瘤疫苗(provenge,cimavax)、细胞免疫细胞治疗(CAR-T)以及非特异性免疫调节剂。
其中和化疗有关的是检测中的MSI/MMR、TMB等,示例如下:
肿瘤突变负荷(TMB)介绍及临床意义
肿瘤突变负荷(Tumor Mutation Burden, TMB)一般指特定基因组区域内每兆碱基对(Mb)体细胞非同义突变的个数,其可以间接反映肿瘤产生新抗原的能力和程度,已被证实可预测多种肿瘤的免疫治疗疗效[PMID: 25838375;PMID: 28420421]。近年来,越来越多的数据证实 TMB 越高的肿瘤新抗原负荷越高,更有可能从免疫检查点抑制剂治疗中获益[PMID: 30792906]。2020年6月,FDA批准帕博利珠单抗用于治疗肿瘤突变负荷高(TMB-H,≥10个突变/兆碱基)、既往治疗后病情进展且无满意替代治疗方案的不可切除或转移性成年和小儿实体瘤患者。不同的癌种,不同的检测产品筛选可从免疫治疗中获益的 TMB 的阈值差别较大,目前尚没有公认的区分高、低TMB的cut-off值,这里基于肿瘤突变负荷检测及临床应用中国专家共识(2020年版)推荐,在各不同癌种中使用相同的筛选策略,即选择按照TMB值由高到低排序在前20%的病例定义为TMB-H组。本检测是根据兰卫医学内部积累的临床研究数据对检测结果进行的百分比分类,仅供临床医学研究参考。
共有 0 条评论