现在我们有了基因测序，what next？
时间：2014-07-02 14:18:57 来源：转化医学网 点击：
过去30年里，基础医学和转化医学研究发现，当很多肿瘤的“驱动基因”发生异常—突变或不恰当表达时，可以导致癌症的发生。早些时候，一些针对这些基因的临床实验取得了让人瞩目的结果，所以这一领域药物的研发和审批都发展十分迅速。这些药物的使用一般都要求肿瘤患者存在相应的异常基因，比如，只有当乳癌和胃癌患者Her2高表达时才能使用赫赛汀（Herceptin），还有恶性黑色素瘤患者需要有BRAFV600突变才可以使用BRAF抑制剂Vemurafenib。
早期的肿瘤研究着重关注那些“显性的”基因改变，比如，研究那些将细胞拖入肿瘤恶性特质的驱动基因。最经典的例子就是抑制慢性粒细胞白血病（CML）重排Abl基因活性的药物伊马替尼（Imatinib），这是一个真正意义上的、不含糊的靶向治疗药物。此外，还有后来在肺癌中应用的EGFR和ALK抑制剂等。因此，目前关于靶向治疗的临床实验大多也是据此将患者分层，并且有靶标的患者获益很明显，比如，肺癌领域的EURTAC研究比较了EGFR突变的肺癌患者一线实验厄洛替尼（Erlotinib）治疗，这个实验在纳入174名患者后就被终止了，因为中期评估发现一线使用厄洛替尼能够两倍延长PFS。但是，厄洛替尼早在五年前被批准用于所有肺癌晚期患者的二线治疗，是因为当时一个纳入700人的研究证明（不考虑EGFR状态），厄洛替尼能够轻微延长患者生存期（2.2m vs 1.8m）。可见，同样的药物，不同的人群选择，治疗效果就有明显的差异。一个反面的例子是，关于多靶点抑制剂药物索拉非尼（sorafenib）的研究分别在1000多名没有明确靶点的肾细胞癌、肝细胞癌及甲状腺癌患者中进行，遗憾的是，我们并没有找到这个靶向药物的最获益亚群，而更让人迷惑的是，索拉非尼可能还通过抑制VEGF受体来起效。
近十年来，肿瘤基因测序发展迅速，相关的研究也涉及到基因的各个方面，比如：DNA单核苷酸多态性（SNP）检测基因单点突变、基因比较杂交（Comparative genomic hybridization, CGH）研究基因片段的缺失或增加，以及染色体的重排等等。最近，也有基因某种突变在几个基因、整个外显子或者全基因组的重新测序确认的研究。此外，关于RNA和肿瘤“表型基因组”（epigenome）的研究也日益增多，比如甲基化、组蛋白修饰、翻译因子作用于DNA（transcription occupancy on DNA）等等的研究也在进行。
随着上述研究的深入，越来越多患者依据其肿瘤组织的基因数据被分类、被分层。这样的患者分层是否真的合适目前以基因为中心的治疗。这里有两个问题：
1.如何能够将患者的基因数据最合理的使用，从而实现“精准肿瘤治疗”？
2.患者应该如何根据基因特点进行更合理的分类？
一个值得注意的是，很多不同组织类型的肿瘤都有类似的突变。比如，BRAFV600E突变在结直肠癌中占5-8%，在甲状腺乳头状癌中占30-70%，此外，也有少部分肺癌、脑肿瘤含有这个突变。尽管在恶性黑色素瘤中使用Vemurafinib（BRAF V600靶向）效果良好，但是目前其他有同样突变的肿瘤使用这个药物的效果则让人失望。近期的研究证明，EGFR信号通路可以通过旁路激活而绕过BRAF信号通路，这说明，在这些药物不敏感的肿瘤中，BRAF被激活的意义目前尚不明确。所以，在肿瘤中出现频率较少、但是却能横跨很多肿瘤类型的突变是目前靶向治疗的一个攻克难点。最近，一种叫做“篮子”研究（basket study）的研究方式给我们提供了一种选择：很多不同种类的肿瘤如果含有同一个突变，均放在一起研究。这是因为某个肿瘤很少见或者某个突变比较少，单个肿瘤类型进行研究时很难完成大规模的入组。同时，这些少见肿瘤/突变的患者往往有巨大的新药需求，但是关于它们的研究却往往停滞不前。但是，这种篮子研究也有缺点，比如：分组困难、临床应用及监管部门审批治疗为难，并且，由于驱动基因在不同的肿瘤中作用并不一致，所以研究某个肿瘤的驱动基因的时候，必须结合疾病基因的“上下文”来考虑。
另外一个值得探讨的话题是肿瘤的分类依据。目前，尽管实体肿瘤还是按照肿瘤的组织类型和解剖学位置分类，而血液系统肿瘤的分类则很大程度上按照恶性细胞的驱动基因/起源进行分类。比如，儿童最常见的B细胞淋巴细胞白血病（B-ALL），目前已经根据起源分为10-12种，发生频率在1-30%之间，这样的分类能够更好的指导白血病的个体化治疗。在实体瘤中，类似的研究则是进展十分缓慢。固然这样的分类方法在诊断和治疗上有其缺陷性，但是，我们将肿瘤依据突变基因重新分类则是非常有前景的方法。
随着我们对驱动基因和靶向药物了解的增多，可以预见的是，未来的肿瘤分类是依赖对靶向治疗药物的有效反应进行的。对于肿瘤分类的探索，我们如果能够综合考虑表达、序列、表观的信息重新进行综合分类，我们有理由期待一个真实可靠的“肿瘤亚型”可以确定出来。尤其是肿瘤表观学的信息上，我们更需要加强研究。目前，一些对肿瘤综合基因信息的应用和探索已经在临床实验中进行。比如NCI批准了1000余名患者将基因综合信息应用与临床治疗的决策当中。我们有理由相信这种努力能够使得目前这么多靶向药物的疗效最大化。如何实施？首先，在病理学分型的基础上，标注几百个目前已知的基因的信息，包括驱动基因以及其他有作用的基因。将这些信息综合考虑后，对每个患者进行个体化的治疗决策。此外，这种做法还能够给其他的前沿的研究提供组织库进行试验和观察。此外，通过这样的研究，我们或许还能够发现那些少见肿瘤的特异性的靶点，比如，2011年的一个研究发现，48个罹患毛细胞白血病（hairy cell leukemia, HCL）的患者均有BRAF V600E这个突变，而HCL是一种相对少见的疾病，而使用Vemurafenib则给他们带来了切实的好处。
肿瘤的全面测序和分析是未来的方向，更重要的是利用它，我们或许能够重新评估和定义肿瘤类型、指导肿瘤药物的研发、点明未来的治疗方向。这需要大家齐心协力设计更多全测序相关的临床实验，肿瘤医生和研究者们，也应该有这样的意识和思考。
