字:
关灯 护眼
七喜中文 > 最终诊断 > 775.反制措施

775.反制措施

尽管最近在晚期或转移性非小细胞肺癌的治疗方面取得了进展,但远处转移仍然是癌症相关死亡的主要原因和实现长期生存的障碍。远处转移是各种实体肿瘤发展的一个不祥的特征和最终结果,包括NSCLC。从肿瘤起源到播散的肿瘤细胞在远处器官的定植是一个多步骤但效率低下的过程。虽然我们对远处转移所涉及的细胞和分子机制有了很好的了解,但不同转移到原发肿瘤的遗传分化和系统发育关系仍然很大程度上是不确定的。

新的证据表明,肿瘤的发展可以被认为是一个不断进化的达尔文模型。转移也可以被看作是肿瘤细胞通过微观和/或宏观进化转移从原发灶扩散到转移的进化过程。与经典的转移只有在肿瘤形成的后期才出现的观点不同,最近的研究表明这一过程可能发生在肿瘤形成的早期。为了系统地阐述这一过程,提出了两个一般的进展模型,即线性进展模型和平行进展模型。

这两种模式从两个维度加以区分:(1)原发灶出现转移的相对时间;(2)预期的遗传分化,特征是比较原发灶和匹配的转移灶之间突变的总和。尽管最近对原发肿瘤和转移灶的比较研究表明,不同类型的癌症可能同时存在线性和平行的转移进展,但目前尚不清楚癌症不同器官部位的转移是遵循相同还是不同的进展模式。此外,受癌症影响的同一转移器官的转移内和转移间的异质性仍未完全阐明。对这些问题的更好理解不仅将为转移过程的生物学提供新的见解,而且还将有可能揭示同时针对原发肿瘤和转移肿瘤的治疗策略的差异。

为了全面探讨肺腺癌最常见的两种转移方式--肝转移瘤(LiM)和脑转移瘤(BrM)的遗传差异和亲缘关系,我们对10例原发肿瘤(LIM-P)和肝转移瘤(LIM-M)、11例原发肿瘤(BRM-P)和脑转移瘤(BRM-M)的63例组织和血液标本进行了全外显子测序(WES)。为了保证肿瘤的自然进化状态,在任何系统治疗之前,都会将符合条件的组织和外周血液样本进行匹配。此外,我们还收集了另外16份手术样本和5例仅有BRMS的肺腺癌患者的配对外周血液,并对其进行了测序。我们的目标包括:(1)确定肺腺癌的LIM和BRM在其原发瘤的单核苷酸变异(SNV)和拷贝数变异(CNV)方面是否有不同的突变景观;(2)比较LIM和BRM的进化模式;(3)表征BRM的转移内和转移间的异质性。

最典型的突变驱动基因包括28例(66.7%)样本中的TP53(15例/23例)和12例(28.6%)样本中的EGFR突变(6例/23例)(图1A)。值得注意的是,TP53和EGFR突变在匹配的原发肿瘤和转移肿瘤之间高度一致。

为了研究肿瘤间的异质性,已识别的基因改变被分类为共享的(存在于原发和转移肿瘤中)或私有的(仅存在于原发和转移的肿瘤中)突变。23我们观察到LIM队列中肿瘤间的同质性明显更高,被鉴定为共享的基因突变的中位数为66.3%(范围为6.1%-97.1%)。这与BRM队列中发现的6.8%(范围为0.0%-30.5%)共享基因突变的中位数形成鲜明对比。

LIM-P和LIM-M之间的TMB相似(p>0.999)。

然后,我们利用皮尔逊相关分析计算突变相似度,以描述配对的原发肿瘤和转移肿瘤之间突变特征的一致性和差异性。如图1E和1F所示,我们观察到LIM组LIM-P和LIM-M之间的突变一致性较高,而BRM组BRM-P和BRM-M之间的突变一致性有限。统计分析表明,LIM组突变相似性的皮尔逊相关系数显著高于BRM组(p=0.019)。

我们用皮尔逊相关分析研究了配对的原发瘤和转移瘤之间CNV分布的不一致性。结果显示,LIM-P和LIM-M之间的CNV模式高度相似,10例中有9例(90.0%)的Pearson相关系数大于0.8。然而,配对的BRM-P和BRM-M之间的CNVS模式高度不一致,11例中只有4例(36.4%)的Pearson相关系数大于0.8。统计分析表明,LIM组的CNV相似性显著高于BRM组(p=0.035)。

总共有42条通路在这些样本中显著富集,与LIM-P相比,LIM-M具有独特的显著丰富的转移相关通路,如Notch信号和ECM-受体相互作用。Notch信号也在BRM-M中丰富,但在BRM-P中不丰富。并且,BRM-M,还有许多独特的途径,如药物代谢、几种免疫相关途径、细胞凋亡和错配修复。为了了解BRM-P和BRM-M中的通路水平相似性是否也比LIM-P和LIM-M中的降低,我们进行了通路特征分析,并计算了样本组之间的通路水平相似性(参见材料和方法)。事实上,与它们相匹配的原发肿瘤相比,BRM-M有明显不同的途径富集,而LIM-M有更多相似的通路。(p=0.0011)。

2.配对原发和转移性肿瘤的系统发育关系

为了研究LIM和BRM的进化过程(例如,线性与平行发展模型4),我们研究了原发肿瘤和它们匹配的转移瘤之间的系统发育关系。我们推断了基因组改变的序列,然后使用两种独立的算法重建了每种情况下的系统发育树。我们在图3A中列出了每组的三个有代表性的案例。