立即注册找回密码

QQ登录

只需一步,快速开始

微信登录

微信扫一扫,快速登录

手机动态码快速登录

手机号快速注册登录

搜索
小桔灯网 门户 资讯中心 技术杂谈 查看内容

【干货】癌症精准诊断:qPCR、tNGS、WGS技术大比拼

2025-6-24 17:05| 编辑: 归去来兮| 查看: 121| 评论: 0|来源: 迈迪安

摘要: 你知道吗?癌症治疗正在经历一场革命!








你知道吗?癌症治疗正在经历一场革命!精准肿瘤学的飞速发展,正在让癌症从‘绝症’逐渐转变为‘慢性病’。今天,我们就来揭开精准肿瘤学的神秘面纱,看看它是如何改变癌症诊断与治疗的格局。

在过去的二十年里,分子诊断已逐渐成为肿瘤医疗全流程中不可或缺的核心环节。无论是肿瘤分型、微小残留病(MRD)监测,还是治疗方案的动态调整,分子诊断都在推动个性化医疗的发展,让癌症管理从终点转变为慢性病管理1,2

精准肿瘤学的影响


01



精准肿瘤学推动技术进步:qPCR vs.tNGS vs.WGS

精准肿瘤学对诊断技术提出了越来越高的临床需求,促使qPCR靶向二代测序(tNGS以及全基因组测序(WGS等技术不断优化,提升检测速度、灵敏度和深度。

各平台具备各自独特的优势:

  • qPCR:快速、经济,适合检测已知的单点或少量突变,常用于EGFRBRAFKRAS等驱动基因的精准检测。

  • tNGS可在一次反应中覆盖20500基因的突变进行高通量、多重分析,是靶向治疗筛查的常用工具,能同时检测单核苷酸变异、插入缺失、基因融合和拷贝数变异,适合复杂的肿瘤基因谱分析。

  • WGS:无偏差的基因组扫描,识别罕见、新颖及复杂基因变异,是理解肿瘤异质性和进展机制的关键手段,助力发现新的生物标志物和耐药机制,但临床应用仍受限于成本和数据解读难度。

随着这些技术日趋成熟,诊断试剂的开发者面临着平台选择、检测方案设计以及试剂优化等多方面的复杂决策。这些决策不仅直接影响检测性能与合规审批进度,也决定了这些技术在中心实验室和POCT 等不同应用场景中,能否真正实现广泛可及与成本可控的癌症精准诊断。

02



肿瘤学诊断技术的重要里程碑

肿瘤生物学的进展不断揭示传统诊断手段(如组织学和免疫组化)的局限性,促使临床决策逐步转向以分子特征为导向的新范式。这一趋势正在重新定义医生对肿瘤的分类与治疗方式。

在过去二十年中,大规模的癌症基因组研究³揭示了多种癌症中的关键驱动突变、信号通路以及分子亚型,进一步暴露了许多原本被视为同质性肿瘤背后的异质性特征。这一认知的转变凸显出对分子级精确诊断的迫切需求——诊断技术不仅要灵敏可靠,更需捕捉具有临床意义的基因变化。

qPCR最早满足了这一需求,它能高灵敏地检测特定的、可用于治疗决策的突变,成为现代伴随诊断(CDx)技术的基石。

随后, tNGS的出现极大拓展了分子诊断的广度,使临床可以在一次检测中对数十至上百个与癌症密切相关的基因进行多重分析,从而提升突变谱分析的全面性与靶向治疗方案的精准性。

近年来,随着测序平台(包括短读长读技术)及建库流程的优化,WGS也逐步实现了临床应用的可行性,使得对整个肿瘤基因组的高准确度覆盖成为现实。虽然目前WGS尚未在临床中大规模普及,但其作为全面肿瘤特征解析的重要工具,正在不断显现价值,特别是在识别罕见、复杂或新型基因改变方面显示出独特优势。

不同技术在突变和基因组检测覆盖率上的不同


总体而言,虽然多项技术共同推动了癌症诊断的演进,但qPCRtNGSWGS无疑是实现精准肿瘤学临床落地的三大核心引擎——它们将分子诊断从研究工具转变为现代肿瘤治疗体系的关键支柱5 

03



分子诊断贯穿癌症症疗全程

如今,分子诊断技术已覆盖癌症诊疗的整个周期——从早期筛查到治疗后的残留病监测,均发挥着至关重要的作用。借助液体活检等技术,医生可以通过血液、唾液或尿液等微量样本检测ctDNA及其他肿瘤标志物,实现更早期、更准确的癌症识别。

一旦确诊,qPCRtNGS等肿瘤分子分型技术则进一步解析肿瘤的分子亚型,识别可供靶向的基因突变,从而为个体化治疗方案提供精准指导。

在治疗过程中,分子诊断还能通过血液中的生物标志物和动态基因组变化,实时监测患者对治疗的响应;治疗结束后,基于ctDNAMRD检测的持续监测手段,可在临床症状出现之前,及早发现肿瘤复发的迹象。

这种通过分子数据引导动态调整治疗强度(包括加强或减轻治疗强度)的能力,不仅提高了治疗效果,也支持将癌症转变为一种可长期管理的慢性疾病,而非不可逆的终末期诊断

精准肿瘤学在癌症临床中每个阶段的应用

分子诊断在癌症治疗中的广泛应用,得到了大量循证研究的有力支持。这些研究明确表明:基于基因组信息指导治疗,能够显著改善临床结局并延长患者生存期。

例如,非小细胞肺癌(NSCLC)中的BATTLE-2试验,以及转移性结直肠癌的相关研究均表明:以生物标志物为依据的靶向治疗策略,能够获得更好的治疗响应率。

更大规模的AACR GENIE联盟所开展的人群分析进一步证实,在接受靶向治疗与突变类型相匹配治疗方案的患者中,中位生存期显著延长。

这些研究成果不仅验证了分子诊断在当前临床实践中的实际疗效,也强调了其未来发展潜力:随着分子技术的持续进步,精准治疗将进一步深入推进,不仅延长患者生命,还将支持癌症慢病化管理模式的建立和推广。

04



分子技术的选择决定检测方案的设计路径

对于诊断试剂开发者而言,要同时满足临床需求与运营效率,必须在分析性能成本效益使用便捷性之间寻找最佳平衡。精准肿瘤学的发展依赖于高度准确的技术手段,用以识别关键基因变异、指导治疗决策,并确保在不同医疗场景中都能可靠解读和应用检测结果。

在当前的市场格局中,三种核心分子技术——qPCRtNGSWGS已成为主流。这些技术构成了绝大多数已获监管批准的肿瘤诊断产品的基础,因其在临床适用性可扩展性以及成熟的合规路径方面具备显著优势¹⁰-¹¹

然而,不同技术之间存在重要差异,开发者需根据检测产品的预期用途谨慎选择:

  • qPCR具有快速、低成本的优势,但检测范围较窄;

  • tNGS兼顾通量与精准度,适用于多基因靶点分析,但对基础设施有一定要求;

  • WGS提供最全面的遗传图谱,但在周转时间、数据处理和成本控制方面仍面临挑战。

在产品设计与商业化过程中,需综合考虑这些技术间的权衡因素,以最大化临床价值与市场竞争力。

 🌀 qPCR:以简驭精的快速精准工具

定量PCRqPCR)是目前应用最广泛、技术最成熟的肿瘤分子诊断平台。它构成了众多FDA批准的伴随诊断的核心基础(见表1),广泛用于支持靶向治疗决策,例如:

  • EGFR突变检测(非小细胞肺癌)、

  • BRAF V600E突变检测(黑色素瘤)、

  • KRAS野生型状态确认(结直肠癌)¹²¹⁴

这些检测多采用等位基因特异性扩增探针杂交检测等方法,能够在样本量极少的情况下实现高度精确、可重复的分析结果。

qPCR 的主要优势包括:

  • 快速周转时间:多数检测可在数小时内完成;

  • 单位成本低廉

  • 对单点或少量已知突变具有极高灵敏度,尤其适用于已明确遗传驱动因素的癌种。

然而,qPCR的局限也同样明显:它依赖于预设靶点,无法识别未知突变复杂的基因改变(如融合基因、结构变异等)。因此,尽管qPCR仍被视为已知驱动突变检测的金标准,其分析范围相对较窄,使其不适用于需要广泛基因组分析或追踪新兴生物标志物的应用场景¹⁵

表1. 临床上使用qPCR技术已获得FDA批准的精准肿瘤学检测


🌀 tNGS:兼具广度与深度的分子诊断方案

tNGS作为一种高度多重化的检测技术,填补了传统 qPCR 单一靶点检测与全基因组测序之间的空白,在保持数据复杂度可控的同时,实现了更大范围的突变检测能力。

tNGS 检测面板通常覆盖20  500 个基因位点,能够同时识别多种突变类型,包括:单核苷酸变异(SNV)、小片段插入/缺失(indel)、融合基因、拷贝数变异(CNA¹⁶¹⁷

如今,许多 FDA 批准的商业化肿瘤检测产品(包括实体瘤、血液肿瘤液体活检相关应用)都基于 tNGS 技术(见表2)。

tNGS 主要采用两种富集策略:扩增子法(amplicon-based)或杂交捕获法(hybrid-capture

  • 扩增子法基于qPCR扩增,流程快速、成本较低,适合设计小型、聚焦面板,但在检测结构变异及复杂区域方面灵敏度较低¹⁸

  • 杂交捕获法可实现更均一的覆盖率,对结构变异(如基因融合、拷贝数改变)及微卫星不稳定性(MSI)具有更优的检测能力,但需要更高的DNA起始量与更长的流程时间¹⁹

    tNGS的扩增子法和杂交捕获法流程

从产品开发角度来看,tNGS 面板具备良好的可扩展性,可根据新兴生物标志物的发现灵活升级。这一特性使其特别适合用于肿瘤分型、靶向治疗选择、和MRD监测等临床场景。

不过,tNGS 的实施仍面临一些挑战,如对高质量生物信息学支持的依赖,样本质量不佳时的技术局限,相对较长的检测周期,尤其是在资源有限或分散式检测环境中¹⁵,²⁰

尽管如此,tNGS 基因组覆盖范围分析深度临床可行性之间达成了良好平衡,是当前精准肿瘤学中兼顾性能与灵活性的核心技术平台。

表2. 临床上使用tNGS技术已获得FDA批准的精准肿瘤学检测


🌀 WGS:洞察全貌,受限于可及性

WGS是目前信息最全面的分子诊断技术,可在无偏倚的前提下,对全基因组范围内的所有突变类型进行检测,包括:单核苷酸变异、插入/缺失、拷贝数变异、结构重排、非编码区突变等²¹-²²

WGS 尤其适用于发现新型生物标志物、解析复杂肿瘤亚型、以及识别耐药机制,为肿瘤研究与精准医疗带来了前所未有的深度与广度。

然而,尽管其科研价值巨大,WGS 在常规临床诊断中的应用仍相对有限,主要受制于以下几个关键障碍:

  • 测序与数据处理成本高

  • 检测周期长

  • 对高级生物信息分析平台与安全数据存储系统的依赖程度高²³

此外,数据解读复杂性也是影响其临床普及的因素之一。WGS常检测出大量意义不明的变异VUS),需要依赖专业人员结合临床数据库与患者背景,进行个案化分析,以判断其临床相关性及潜在治疗意义²⁴

在肿瘤检测产品开发中,WGS更多被用于转化医学研究,罕见或难以确诊的肿瘤,及常规靶向面板未能识别可操作突变的复杂病例等场景(见表3)。

随着测序技术进步、成本逐步下降,以及人工智能辅助变异解读工具的发展,WGS有望在未来逐步进入更广泛的临床实践。然而,在当前阶段,WGS仍是依赖基础设施、专业资源密集型的高级选项,尚难在商业化检测流程中实现规模化部署²⁵-²⁶

表3. 临床上使用WGS技术已获得FDA批准的精准肿瘤学检测


05



精准肿瘤学普及的推动

随着精准肿瘤学成为现代癌症治疗的核心支柱,分子诊断的可及性正成为检测开发领域亟需应对的关键挑战——同时也蕴藏着巨大的转型机遇。

在资源丰富地区,集中式基因组检测仍是主流,但这种模式往往难以覆盖资源受限区域的患者,后者因物流不畅、基础设施薄弱、专业人力不足等问题,难以获得新型分子检测服务。

要弥合这一鸿沟,亟需一代全新理念的分子诊断产品——不仅在分析性能上经得起考验,更需具备可在临床一线部署、可大规模推广、适应多样市场的能力²⁷-²⁸。具体而言,理想的精准肿瘤诊断解决方案应具备以下特征:

  • 轻基础设施设计:无需冷链运输、对专业人员依赖度低,适合地区医院、基层社区诊所及新兴市场的广泛推广²⁰,²⁹

  • 面向未来的灵活架构:具备应对生物标志物更新、法规变化与技术迭代的能力,例如从RUOIVD的可拓展流程、可升级的基因位点库及兼容新一代生物信息分析平台的系统架构;

  • 精准选择技术路径:qPCRtNGS  WGS 的选择不仅要基于其在临床流程中的作用,还应综合考虑成本、数据解释难度、生信支撑要求等因素

此外,开发者还应采取更系统性的思维,从可规模化、模块化的检测流程到用户友好的报告系统集成,构建完整解决方案¹⁸-¹⁹。与经验丰富的试剂供应商与服务提供商建立战略合作关系,也有助于降低开发风险、加快产品上市进度,并实现全球范围的生产部署。

在精准医疗新时代,诊断产品的价值不仅在于其检测性能,更在于它能否真正服务于临床决策与治疗执行。因此,下一阶段的精准肿瘤学发展,将由整合性、可及性与智能化所驱动——贯穿诊断、治疗与动态监测全流程。

06



Meridian 助力打造高性能肿瘤学检测

Meridian 迈迪安生物科技致力于为诊断开发者提供全方位支持,助力其迅速且稳定地将高性能肿瘤检测方案推向市场。凭借数十年酶制剂生产及分子试剂配方经验,Meridian供应关键原材料并提供技术专长,帮助解决稳定性、规模化生产及性能一致性等关键挑战。

迈迪安的核心优势之一是定制酶稳定化服务,支持开发者在保持既有酶和检测流程的基础上,打造常温稳定的检测产品。通过去除甘油,酶制剂可采用冻干或空气干燥工艺,从而摆脱冷链束缚,延长产品货架期,简化物流配送。这项技术对未来诊断产品的可持续发展尤为重要,尤其适用于现场检测和扩大肿瘤筛查的全球覆盖面

此外,Meridian还提供定制配方开发、合规监管文件支持、ISO 13485质量体系生产保障,涵盖qPCR、等温扩增及tNGS等多种检测流程。无论是提升检测灵敏度、稳定多重检测体系,还是实现分散式部署,Meridian均提供完善的技术平台和专业服务,助力检测产品加速研发并实现全球影响力。


迈迪安超灵敏检测的qPCR预混液

MDX013/016

抗抑性qPCR/RT-qPCR预混液

MDX184/185

可冻干抗抑性qPCR/RT-qPCR预混液

MDX021/024

可冻干qPCR/RT-qPCR预混液

MDX092/121

可风干血液直扩qPCR/RT-qPCR预混液

MDX122/123

可冻干血液直扩qPCR/RT-qPCR预混液

MDX128

可冻干血液直扩SNP qPCR预混液

MDX130/131

可风干唾液直扩qPCR/RT-qPCR预混液

MDX132/133

可冻干唾液直扩qPCR/RT-qPCR预混液

MDX140/141

可风干粪便直扩qPCR/RT-qPCR预混液

MDX142/143

可冻干粪便直扩qPCR/RT-qPCR预混液

MDX148

可冻干粪便直扩SNP qPCR预混液

MDX150/151

可风干尿液直扩qPCR/RT-qPCR预混液

MDX152/153

可冻干尿液直扩qPCR/RT-qPCR预混液

MDX158

可冻干尿液直扩SNP qPCR预混液


观看线上讲座了解更多


07



精准肿瘤学未来展望

精准肿瘤学正在持续重塑癌症的检测、特征解析与管理方式,这不仅要求诊断技术具备强大的分析能力,更需具备可扩展性、广泛可及性及临床可操作性。目前,qPCRtNGSWGS已成为大多数商业肿瘤检测方案的基石。它们凭借获得的监管认可、高灵敏度及良好的适应性,成为伴随诊断、肿瘤分型及MRD监测等应用的关键技术。

其他成熟技术如数字PCRddPCR)和多重连接依赖探针扩增(MLPA)仍在需要超高灵敏度检测或精确拷贝数分析的流程中发挥重要作用。然而,这些方法因多重检测能力有限及适用范围较窄,通常难以广泛应用于商业IVD面板。

展望未来,转化研究正在推动一系列创新技术,有望深刻影响精准诊断的发展。单细胞测序、基于RNA的表达谱分析及空间转录组学等技术,为揭示肿瘤异质性、演化过程及微环境相互作用提供了高分辨率视角,这些都是现代癌症治疗的重要维度。尽管因成本和监管限制尚未成为临床主流,但这些技术极可能成为未来伴随诊断和分层治疗模式的重要组成部分。

与此同时,市场正在被CRISPR基因编辑诊断技术等颠覆性创新所变革,该技术支持超高特异性的突变检测和可编程靶向;基于人工智能的分子病理技术则优化数据解读,整合组织学与基因组信息;多组学整合方法结合基因组、转录组、蛋白组及代谢组数据,为肿瘤生物学提供更加全面的认知。

这些趋势正共同推动诊断技术向一个未来迈进——不仅能检测突变,还能预测疗效、指导治疗调整并预见抗药性,所有功能皆集成于模块化、可扩展的平台中。

要实现这一愿景,检测开发者必须将技术选择与临床需求、监管合规及实际部署紧密对接。这意味着需投资于常温稳定的检测方案、构建可扩展的生物信息学体系,并建立专业合作伙伴关系以支持制造、解读及合规工作。通过模块化设计、灵活架构和严谨验证,实现检测方案的未来适应性,将是确保长期临床价值和市场竞争力的关键。

凭借科学精准与战略远见的结合,诊断行业已具备引领个性化癌症护理新时代的能力,致力于为每一位患者在正确的时间、正确的地点提供最合适的检测,推动精准肿瘤学惠及全球每一个角落。

参考文献:

1. Von      Hoff, D. D., et al. (2010). Pilot study using molecular profiling of      patients' tumors to find potential treatments for their refractory      cancers. Journal of Clinical Oncology, 28(33), 4877–4883.      https://doi.org/10.1200/JCO.2009.26.5983 

2. Wheler,      J. J., et al. (2024). Cancer therapy directed by comprehensive genomic      profiling: A retrospective study. ESMO Open. (Advance online publication).      https://doi.org/10.1016/j.esmoop.2024

3. Cancer      Genome Atlas Network. (2012). Comprehensive molecular portraits of human      breast tumours. Nature, 490(7418), 61–70.      https://doi.org/10.1038/nature11412 

4. Vogelstein, B., Papadopoulos, N., Velculescu, V. E., Zhou, S., Diaz, L.      A., & Kinzler, K. W. (2013). Cancer genome landscapes. Science,      339(6127), 1546–1558. https://doi.org/10.1126/science.1235122 

5. Dienstmann, R., Vermeulen, L., Guinney, J., Kopetz, S., Tejpar, S., & Tabernero,      J. (2017). Consensus molecular subtypes and the evolution of precision      medicine in colorectal cancer. Nature Reviews Cancer, 17(2), 79–92. https://doi.org/10.1038/nrc.2016.126

6. (Robeznieks, A. (2023, July 5). Seeing cancer as a chronic illness.      Targeted Oncology. https://www.targetedonc.com/view/seeing-cancer-as-a-chronic-illness

7. Zhou,      C., et al. (2017). Biomarker-integrated approaches in the BATTLE-2 trial:      Personalized therapy for lung cancer. Clinical Cancer Research, 23(15),      4691–4700. https://doi.org/10.1158/1078-0432.CCR-16-2373 

8. Van      Cutsem, E., et al.(2011). Cetuximab and chemotherapy as initial treatment      for metastatic colorectal cancer. New England Journal of Medicine,      360(14), 1408–1417. https://doi.org/10.1056/NEJMoa0805019 

9.Hyman,      D. M., et al. (2017). Vemurafenib in multiple nonmelanoma cancers with      BRAF V600 mutations. New England Journal of Medicine, 377(8), 707–715. https://doi.org/10.1056/NEJMoa1706031

10. Schwaederle,      M., Zhao, M., Lee, J. J., Lazar, V., Leyland-Jones, B., & Kurzrock, R.      (2016). Impact of precision medicine in diverse cancers: A meta-analysis      of phase II clinical trials. Journal of Clinical Oncology, 34(35),      4147–4155. https://doi.org/10.1200/JCO.2016.67.6480 

11. Scott,      E. R., McCartney, A., Frampton, G. M., & Yelensky, R. (2019). Clinical      utility of comprehensive genomic profiling in a community oncology      setting. Journal of Clinical Oncology Precision Oncology, 3, 1–12.      https://doi.org/10.1200/PO.18.00315 

12. Keam,      B., Kang, C. K., Ahn, Y. O., Lee, K. W., & Kim, T. M. (2020). EGFR      mutation testing in non-small cell lung cancer: Comparison of three      commercial kits and practical recommendations. PLoS ONE, 15(6), e0233542.      https://doi.org/10.1371/journal.pone.0233542 

13. Li,      M. M., et al. (2017). Standards and Guidelines for the Interpretation and      Reporting of Sequence Variants in Cancer: A joint consensus recommendation      of the AMP, ASCO, and CAP. Journal of Molecular Diagnostics, 19(1), 4–23.      https://doi.org/10.1016/j.jmoldx.2016.10.002 

14. U.S.      Food and Drug Administration. (2024). List of cleared or approved      companion diagnostic devices (in vitro and imaging tools). https://www.fda.gov/medical-devices/in-vitro-diagnostics/list-cleared-or-approved-companion-diagnostic-devices-in-vitro-and-imaging-tools

15. Merker,      J. D., et al. (2018). Circulating tumor DNA analysis in patients with      cancer: American Society of Clinical Oncology and College of American      Pathologists joint review. Journal of Clinical Oncology, 36(16),      1631–1641. https://doi.org/10.1200/JCO.2017.76.8671

16. Roychowdhury,      S., & Chinnaiyan, A. M. (2016). Translating genomics for precision      cancer medicine. Annual Review of Genomics and Human Genetics, 17,      293–319. https://doi.org/10.1146/annurev-genom-083115-022316 

17. Frampton,      G. M., et al. (2013). Development and validation of a clinical cancer      genomic profiling test based on massively parallel DNA sequencing. Nature      Biotechnology, 31(11), 1023–1031. https://doi.org/10.1038/nbt.2696 

18. Jennings,      L. et al. (2017). Guidelines for validation of next-generation      sequencing–based oncology panels: A joint consensus recommendation of the      Association for Molecular Pathology and College of American Pathologists.      Journal of Molecular Diagnostics, 19(3), 341–365.      https://doi.org/10.1016/j.jmoldx.2017.01.011 

19. Siu,      L. L., et al. (2023). Implementation of precision oncology: Considerations      for clinical practice and trial design. Nature Reviews Clinical Oncology,      20, 347–361. https://doi.org/10.1038/s41571-023-00763-0

20. Heitzer,      E., Haque, I. S., Roberts, C. E. S., & Speicher, M. R. (2019). Current      and future perspectives of liquid biopsies in genomics-driven oncology.      Nature Reviews Genetics, 20(2), 71–88.      https://doi.org/10.1038/s41576-018-0071-5 

21. Belkadi,      A., et al. (2015). Whole-genome sequencing is more powerful than      whole-exome sequencing for detecting exome variants. Proceedings of the      National Academy of Sciences, 112(17), 5473–5478.      https://doi.org/10.1073/pnas.1418631112 

22. Muir,      P., et al. (2021). The real cost of sequencing: Scaling computation to      keep pace with data generation. Genome Biology, 22(1), 1–9.      https://doi.org/10.1186/s13059-021-02242-6 

23. Merino,      D. M., et al. (2020). Establishing guidelines to harmonize tumor      mutational burden (TMB): In silico assessment of variation in TMB      quantification across diagnostic platforms. JCO Precision Oncology, 4,      557–565. https://doi.org/10.1200/PO.20.00190 

24. Van      der Velden, D. L., et al. (2023). Implementation of whole-genome      sequencing in routine cancer diagnostics: Challenges and perspectives.      Frontiers in Oncology, 13, 1101402. https://doi.org/10.3389/fonc.2023.1101402

25. Goodwin,      S., McPherson, J. D., & McCombie, W. R. (2016). Coming of age: Ten      years of next-generation sequencing technologies. Nature Reviews Genetics,      17(6), 333–351. https://doi.org/10.1038/nrg.2016.49 

26.Torga,      G., & Pienta, K. J. (2017). Patient-paired sample congruence between      DNA obtained from archival formalin-fixed paraffin-embedded tissue and      circulating tumor DNA for genomic analysis in prostate cancer. Journal of      Molecular Diagnostics, 19(3), 447–452.      https://doi.org/10.1016/j.jmoldx.2016.12.008 

27. Heath,      C. A., Thakur, R., Bhat, N., & Crawford, B. (2020). Improving global      access to diagnostics through ambient-stable molecular assay formats.      Molecular Diagnosis & Therapy, 24(3), 313–321. https://doi.org/10.1007/s40291-020-00451-7

28. Suh,      J., Han, H. S., & Lee, K. H. (2021). Current status and clinical      application of molecular diagnostics in cancer. Cancer Research and      Treatment, 53(3), 620–632. https://doi.org/10.4143/crt.2021.015

29. Hindson,      B. J., et al. (2013). High-throughput droplet digital PCR system for      absolute quantitation of DNA copy number. Analytical Chemistry, 83(22),      8604–8610. https://doi.org/10.1021/ac202028g

30. Ståhl,      P. L., et al. (2016). Visualization and analysis of gene expression in      tissue sections by spatial transcriptomics. Science, 353(6294), 78–82. 

31. Nam,      A. S., Chaligne, R., & Landau, D. A. (2022). Integrating genetic and      non-genetic determinants of cancer evolution by single-cell multi-omics.      Nature Reviews Genetics, 23(7), 435–450.      https://doi.org/10.1038/s41576-022-00458-6 

声明:
1、凡本网注明“来源:小桔灯网”的所有作品,均为本网合法拥有版权或有权使用的作品,转载需联系授权。
2、凡本网注明“来源:XXX(非小桔灯网)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。其版权归原作者所有,如有侵权请联系删除。
3、所有再转载者需自行获得原作者授权并注明来源。

鲜花

握手

雷人

路过

鸡蛋

最新评论

关闭

官方推荐 上一条 /3 下一条

客服中心 搜索 官方QQ群 洽谈合作
返回顶部