 近日发表在《Science Translational Medicine 》的一项研究中，斯坦福大学的研究人员表明，基于CAPP-seq（Cancer Personalized Profiling by Deep Sequencing）方法的循环肿瘤DNA的检测，可以识别弥漫性大B细胞淋巴瘤（DLACL）亚型，而且能够比传统方法更早地检测到引起疾病复发的残余病变。 斯坦福研究小组在2014年首次发表了CAPP-seq方法，在今年早些时候，他们发表了该方法的更新版本。在今年三月份举行的一个会议中，该研究小组讨论过这种检测方法在分析非小细胞肺癌患者的ctDNA中的应用。 据悉，罗氏去年收购了斯坦福大学成立的公司CAPP Medical，获得了将CAPP-seq技术商业化的权利。在今年举行的美国分子病理学学会（Association for Molecular Pathology）会议上，罗氏展示了两种仅供研究使用的CAPP-Seq检测方法，但是没有说明这两种检测何时会正式发布。 这项新研究的通讯作者Max Diehn和Ash Alizadeh表示，文章中描述的方法与今年早些时候发表的方法相同，但是靶向的是一组淋巴瘤特异性更强的基因。 研究者想解决的一个主要问题是：该检测方法能否识别疾病是何时由非侵入性转变为侵入性的。以往识别这种转变的唯一方法是，通过对患者进行活检，然后在显微镜下观察细胞是否发生变化。但是这种方法并不适合定期监测，一种非侵入式的监控方法会更适合。初步证据表明，当疾病发生转变时，突变图谱会发生变化。 第二个主要问题是该检测能否识别不同的分子亚型。DLBCL是一种具有临床和生物学异质性的疾病，利用生物标志物可以对它进行风险分层和药物选择。目前鉴定生物标志物的方法需要使用新鲜冷冻肿瘤样本。一些从低度恶性滤泡性淋巴瘤进展到DLBCL的患者，需要更好的生物标志物。 利用CAPP-seq方法判断淋巴瘤的基因组进化模式 DLBCL靶向检测分析的是已知的淋巴瘤相关的SNV、插入缺失（indel）和基因融合相关的断点，以及免疫球蛋白重链可变区和重链连接簇。 研究人员分析了来自92名DLBCL患者的样本，包括76个肿瘤活检样本，以及144个纵向血浆样本，其中45个血浆样本是在治疗前采集的。 他们在所有肿瘤活检样本中发现了突变，在所有治疗前血浆样本中发现了ctDNA。在45个治疗前血浆样本中的39个样本中，研究人员能够鉴定出至少一个已知存在于肿瘤中的突变。当ctDNA浓度高于一定程度时，他们在所有样本中都均能鉴定出一个已知突变。研究人员还检测到了95%的易位，包括BCL2、BCL6和MYC。另外，血浆样本和活检样本中的等位基因频率具有高度一致性。 为了分析CAPP-seq检测方法是否能监测肿瘤随时间发生的突变，以及对治疗的响应情况，研究人员在三名疾病进展的患者中使用了该方法，这三名患者都服用了B细胞受体抑制剂伊罗替尼。结果发现，其中两名患者在治疗后60天到120天之间出现了抗性突变。 研究人员进一步分析了45个治疗前样本，并将CAPP-seq检测方法与判断患者是否具有疾病进展高风险的传统检测方法进行比较。他们发现，治疗前样本中的ctDNA水平与肿瘤体积具有强相关性。此外，较高的ctDNA水平与较差的预后相关，这表明，CAPP-seq检测方法可以作为传统临床指标的补充。 CAPP-seq检测方法可以确定疾病复发的早期迹象。研究人员发现，在11名疾病复发患者中，该检测方法在疾病复发时检测到了ctDNA，重要的是，该方法还在其中8名患者疾病复发前检测到ctDNA。与鉴定疾病进展的标准检测相比，ctDNA检测方法能够在两倍多的患者中检测到残留病变，而且时间上平均早了两个月。另外，CAPP-seq检测方法在10名治疗后至少24个月未复发的患者中没有检测到ctDNA，在24名健康成年人样本中也没有检测到ctDNA。 利用CAPP-seq方法判断淋巴瘤的亚型 CAPP-seq检测的另一个重要应用是进行亚型分析，可以取代目前使用的新鲜冷冻肿瘤活检方法。淋巴瘤肿瘤学家Alizadeh表示，患者的亚型很难确定的原因通常是无法安全地进行活检。而确定疾病的亚型可以帮助确定治疗方法，可能会改变患者的生活。 研究人员首先使用标准方法——基于微阵列的基因表达检测，对76名肿瘤活检分类为生殖B细胞样或非生殖B细胞样的患者进行分子亚型分析。然后他们使用基于ctDNA的检测方法进行同样的分型，结果的一致性为80%。 Diehn说，研究人员正在更大规模的淋巴瘤患者中进行研究，希望能够根据该临床试验的结果进行治疗决策。 针对淋巴瘤的CAPP-seq检测与目前市场上的其他基于NGS的ctDNA检测方法的不同之处在于，其他方法是主要分析肿瘤分子谱的泛癌症检测，通常不会包括信息量最大的淋巴瘤突变。 参考文献：Distinct biological subtypes and patterns of genome evolution in lymphoma revealed by circulating tumor DNA. Science Translational Medicine 09 Nov 2016. DOI: 10.1126/scitranslmed.aai8545 |
/3 
浙公网安备33010802005999号 
