新一代测序离临床应用还有多远？

千姿百态

新一代测序开启了未来个性化治疗的大门。两年前，华盛顿大学研究白血病的Lukas Wartman博士被诊断出患上了他正在研究的疾病。病情迅速恶化，没有任何方法能治好他。随后，他的同事对他的癌症基因组进行了测序，发现了问题基因，更幸运的是，找到了对症的药物。如今，Wartman博士的病情正在好转。这个美好的故事不仅让科研人员欢欣鼓舞，也为更多正面临痛苦的患者带来希望。

随着新一代测序变得更快速、更廉价、也更可靠，它有望带来疾病的重要线索，让医生挑选更精准的药物。然而，面对临床应用，新一代测序真的准备好了吗？Wellcome Trust 人类遗传学中心的Danny Ulahannan给出了否定的答案。他们在British Journal of Cancer杂志上发表了他们的看法。

在目前的癌症研究中，基因组测序、外显子组测序、基因表达谱分析、RNA测序、甲基化组分析等方法被广泛使用，以找到致病突变及其他线索。然而，与大多数组成型基因组不同，癌症是异质性、生物多样性的，且具有复杂的遗传变异。

癌症NGS面临以下几个方面的挑战。首先，样本质量不好，且数量有限。几乎所有的肿瘤样本都在一定程度上污染了正常组织；而且许多样本是以FFPE形式保存的，包含片段化、交联的DNA。其次，癌症基因组的分析相当复杂。研究人员已在癌症中发现了大量复杂的遗传变异，这意味着不能总是依赖标准的人类参考序列，基因可能以多个拷贝存在，染色体规模（结构）变化很频繁，而表观基因组的变化也很常见。作者认为，NGS在检测低频突变和鉴定结构及拷贝数变异上还有待改进。

同时，癌症异质性也是需要考虑的因素。癌症往往不是包括单个优势克隆，而可能含有多个亚克隆。目前还不清楚亚克隆对于肿瘤生长是否重要，但它们可能包含了临床上重要的变化，如赋予耐药性的突变。作者认为，单个活检样本也许并不能代表癌症的遗传组成。这可能会导致不适当疗法的选择。

许多癌症基因组是高度重排的，存在大量、大规模的突变，如易位、倒位、融合和拷贝数的变化。这些因素让肿瘤的NGS分析更加困难。而非人类的基因组序列也可能存在于肿瘤内，如致癌病毒或感染。

此外，生物信息学工具也有待改进。目前，大部分处理NGS数据的生物信息学工具都是为正常基因组而设计的，其应用程序背后的假设对肿瘤样本无效，因此往往会产生不准确的组装结果。而癌症基因组的分析需要医生和生物信息学家之间密切合作，以优化数据处理，确保所产生的数据是临床上可用的。

其他专家也同意这一看法。纪念斯隆-凯特琳癌症中心的Michael Berger认为，必须开发出更好的算法，才能可靠准确地检测异质性肿瘤中的突变。