基因測序?qū)θ橄侔┲委煹挠绊懛治?基因工程論文內(nèi)容摘要：基因檢測的應用,逐步改變了以往免疫組化為主的乳腺癌預后評估及治療方案選擇的形式,并對乳腺癌更為準確地分型,對預后評估及治療具有更為重要的指導意義。大數(shù)據(jù)分析的運用亦促進了乳腺癌基因組學研究的發(fā)展,近年來多基因診斷及風險評估模型被美國臨床腫瘤學會(ASCO)、圣加倫共鳴、美國國家綜合癌癥網(wǎng)絡(luò)(NCCN)等多個權(quán)威乳腺癌診療指南所采用,并開展了臨床應用。MammaPrint、PAM50、OncotypeDX、EndoPredict等基因預測模型相繼問世,并對免疫組化及臨床指標為主要評估方式的治療形式構(gòu)成強大沖擊。在大數(shù)據(jù)時代背景下,基因預測模型的作用及重要性越發(fā)凸顯。本文就基因測序?qū)θ橄侔┲委煵呗缘挠绊懽鲆淮譁\的討論。本文關(guān)鍵詞語：基因檢測,乳腺癌,大數(shù)據(jù)乳腺癌的診治中,腫瘤信息具有決定性作用,如腫瘤大小、淋逢迎轉(zhuǎn)移、脈管浸潤、分化程度等,在乳腺癌的風險評估及預后預測、治療策略選擇中都起到了重要作用。而基因檢測則揭示乳腺癌基因?qū)用娴碾[藏信息,在乳腺癌風險評估、治療策略制定上亦在發(fā)揮著其重要的作用[1]。我們耳熟能詳?shù)腂RCA1/2基因突變已被歐美人群重視,并影響著不同人群的乳腺癌篩查計劃。國外研究指出,具有BRCA1/2基因突變的女性應該在30歲起加做乳腺MRI作為常規(guī)篩查手段[2]。除此之外,多個基因預測模型及評分模型的出現(xiàn),亦極大地提高了乳腺癌的診治水平。在大數(shù)據(jù)背景下,乳腺癌基因組學的研究日益深切進入,亦將給乳腺癌的治療帶來革命性的突破。1乳腺癌的重新定義乳腺癌是一種如何的疾病?過去有兩種聲音,一種是以Halsted教授為代表,乳腺癌是局部或區(qū)域性疾病,其擴散方式是機械有序的,即由局部病灶轉(zhuǎn)移到區(qū)域淋逢迎然后再發(fā)生血行轉(zhuǎn)移,所以要將腫瘤、整個乳房、胸大小肌及腋窩淋逢迎整塊切除。一種是以Fisher教授為代表,乳腺癌一開場就是全身性疾病,局部處理方式不影響預后,對早期腫瘤可行腫瘤切除術(shù)保存乳房,術(shù)后放療、化療,華而不實放療只降低局部復發(fā)率,而化療可提高長期生存率。從現(xiàn)今看來,兩位教授可能都是對的,以免疫組化為基礎(chǔ)的分型,將乳腺癌劃分為LuminalA型、LuminalB型、人表皮生長因子受體2(HER-2)過表示出型、三陰型四種基本亞型,華而不實Luminal型乳腺癌局部治療效果較好,而HER-2過表示出型和三陰型乳腺癌則需要更多的化療、靶向治療等全身輔助治療,才能到達較好的治療效果。由此,Veronesi教授提出,乳腺癌是一組(族)疾病(afamilyofdisease)。不同分子生物學特征的乳腺癌對治療的反響性存在宏大的差異,進而決定預后。最大的耐受治療到最小的有效治療的新觀念由此誕生!而乳腺癌的分型研究日益深切進入,由傳統(tǒng)的病理分型(浸潤、非浸潤導管癌、小葉癌,特殊、非特殊等)進入分子分型[根據(jù)免疫組化技術(shù)測定雌激素受體(ER)、孕激素受體(PR)、HER-2、Ki-67等表示出水平]:ER(+)PR(+)(腔型)、ER(-)PR(-)HER-2(+)、ER(-)PR(-)HER-2(-)(三陰性),現(xiàn)今更是基因組學分型時代?；蚍中椭饕蠵erou基因分型:用基因芯片技術(shù)分為HER-2陽性、Bassl-like、Normal-like和Luminal(Luminal型包括A、B或C);PAM50分型:HER-2陽性、Bassl-like、Normal-like和Luminal;IntClust1-10型,而各亞型根據(jù)基因表示出譜的不同,其生物學特性也不盡一樣,亦可繼續(xù)劃分不同的亞型。如三陰型乳腺癌,可繼續(xù)劃分為BL1、BL2型(basal-like1,basal-like2,高表示出細胞周期和DNA損傷反響基因,高Ki-67表示出,對鉑類藥物敏感),IM型(immunomodulatory,高表示出免疫因子、細胞因子等信號途徑基因,大量與侵襲有關(guān)的免疫細胞浸潤),M型和MSL型(mesenchymal,mesenchymalstem-like,富含EMT和生長因子途徑基因,對mTOR和abl/src抑制劑敏感),LAR型(luminalandrogenreceptor,高表示出AR,對bicalutamide敏感)[3]。由此可見,準確的乳腺癌分型對治療策略的制定極為重要,不同亞型的治療策略能夠截然相反。2乳腺癌基因檢測工具的應用現(xiàn)在狀況MammaPrint(70-GS)一個多基因檢測系統(tǒng),選取了70個基因進行檢測[4]。是首個被美國食品藥品監(jiān)督管理局(FDA)和歐盟批準的作為61歲、Ⅰ期~Ⅱ期、淋逢迎陰性或1個~3個陽性的乳腺癌多基因檢測輔助預后分析系統(tǒng)。70-GS可預測局部區(qū)域復發(fā)風險,高危乳腺癌患者可從更廣泛的輔助治療中獲益以降低局部區(qū)域復發(fā)風險,而70-GS低?；颊邉t只能從有限的治療策略中獲益,而高風險ER陽性乳腺癌可能會獲益于輔助化療。但MammaPrint需要采用冰凍的新鮮組織樣本,而且只能在專業(yè)化的檢測中心完成,限制了其臨床普及應用。PAM50復發(fā)風險評估(Prosigna)是2020年FDA批準的第2個用于乳腺癌術(shù)后風險評估的多基因檢測系統(tǒng)[5]。該基因模型采用FFPE樣本,檢測特定的50個基因mRNA表示出,經(jīng)過一些管家基因的標準化和陰性與陽性對照的比對,計算出患者術(shù)后復發(fā)的風險分數(shù),并能分析乳腺癌的固有亞型,主要用于估計Ⅰ期~Ⅱ期ER陽性絕經(jīng)后乳腺癌患者接受輔助內(nèi)分泌治療的無遠處轉(zhuǎn)移生存期。OncotypeDX即我們所熟知的21基因評分模型,是當前在美國應用最廣泛的ER陽性乳腺癌患者多基因檢測預后模型。OncotypeDX采用了16個腫瘤相關(guān)的基因和5個管家基因去計算復發(fā)評分(0~100),根據(jù)評分將乳腺癌的復發(fā)風險分為3類:低復發(fā)風險(分值18)、中復發(fā)風險(分值18~30)和高復發(fā)風險(分值30),低復發(fā)風險化療獲益有限,高復發(fā)風險的患者化療明顯[6]。當前該模型正在驗證其對中復發(fā)風險患者的預測價值,OncotypeDX與HER-2狀態(tài)、腫瘤大小、Ki-67、腫瘤分級相結(jié)合的多變量模型可能會進一步提高中復發(fā)風險的預測準確性。而隨著檢測數(shù)據(jù)庫的不斷擴大,其評分體系亦會隨之改進,具有可持續(xù)調(diào)整的優(yōu)點。EPclin評分,也是基于RT-PCR的多基因檢測方式方法,同時檢測8個癌基因和3個管家基因的表示出,通過評分把ER陽性僅接受內(nèi)分泌輔助治療的乳腺癌分為高風險和低風險復發(fā)組[7]。EndoPredict的診斷試劑盒已在歐洲上市,能夠在當?shù)蒯t(yī)院進行檢測。EndoPredict還能夠和淋逢迎狀態(tài)和腫瘤大小一起構(gòu)建一個更廣泛的風險得分系統(tǒng)EPclin。當前EPclin已被驗證能夠發(fā)現(xiàn)ER陽性乳腺癌患者中的晚期高復發(fā)風險人群。基因等級指數(shù)(genomicgradeindex,GGI)是通過比擬分化良好的乳腺癌和分化差的乳腺癌表示出譜獲取97個基因,采用基因芯片的多基因檢測方式方法,檢測97個基因的表示出計算評分[8]。通過該評分能夠?qū)⒅蟹只腅R陽性的乳腺癌分為2個亞型,2個亞型在預后及治療效果上具有顯著差異。乳腺癌指數(shù)(breastcancerindex,BCI)亦是一個多基因檢測模型,采用FFPE標本型RT-PCR檢測,適用于FFPE組織,主要用來預測ER陽性、淋逢迎陰性乳腺癌的遠處復發(fā)風險。BCI評分包括2個部分,一個預后因子是2個基因HOXB13/IL17BR表示出的比例,另一個決定因素是一個5個增殖相關(guān)基因的評分[9]。BCI能夠用來預測早期和晚期的遠處復發(fā)風險,并能辨別出35%~45%的患者存在較高的晚期復發(fā)風險,針對這類具有高的晚期復發(fā)風險患者,可能需延長輔助治療時間,以獲得更大的治療獲益。7基因模型,通過選取的7個癌基因進行檢測評分,將患者劃分為局部復發(fā)高危組和局部復發(fā)低危組,并隨機分配為兩組,一組接受術(shù)后放療,一組不接受術(shù)后放療。結(jié)果發(fā)現(xiàn),在局部復發(fā)低危組中,接受術(shù)后放療與不接受術(shù)后放療的患者在局部復發(fā)率上沒有差異,而在局部復發(fā)高危組中,不接受放療的患者局部復發(fā)率比接受放療的患者高45%(57%∶12%),證明7基因模型能對乳腺癌患者進行更為準確的局部復發(fā)風險評估,進而知道治療方案的制定[10]。3大數(shù)據(jù)時代下乳腺外科的發(fā)展趨勢大數(shù)據(jù)(bigdata),指無法在可承受的時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合。學術(shù)界、工業(yè)界甚至于機構(gòu)都已經(jīng)開場(下轉(zhuǎn)第86頁)(上接第22頁)密切關(guān)注大數(shù)據(jù)問題,并對其產(chǎn)生濃烈厚重的興趣。就學術(shù)界而言,Nature早在2008年就推出了BigData?？?。Science在2018年2月推出?？疍ealingwithData,主要圍繞著科學研究中大數(shù)據(jù)的問題展開討論,講明大數(shù)據(jù)對于科學研究的重要性。而基因組信息的復雜性和龐大性,非普通計算工具能夠分析清楚的,這就必須借助大數(shù)據(jù)的幫助,深切進入探尋求索基因組學信息對乳腺癌治療策略的影響,揭示乳腺癌的內(nèi)在生物學特性,制定個體化的治療策略,將是乳腺外科發(fā)展的熱門。以下為參考文獻[1]辛靈,劉倩,徐玲,等.乳腺癌基因檢測與臨床實踐[J].中國實用外科雜志,2020,34(1):73-76.[2]SASLOWD,BOETESC,BURKEW,etal.AmericancancersocietyguidelinesforbreastscreeningwithMRIasanadjuncttomammography[J].CACancerJClin,2007,57(2):75-89.[3]NARODSA,DENTRA,FOULKESWD.CCR20thAnniversaryCommentary:TripleNegativeBreastCancerin2021-StillintheBallpark[J].Clin