学术堂首页 | 文献求助论文范文 | 论文题目 | 参考文献 | 开题报告 | 论文格式 | 摘要提纲 | 论文致谢 | 论文查重 | 论文答辩 | 论文发表 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文学习平台您当前的位置:学术堂 > 生物学论文 > 基因工程论文

基因测序对乳腺癌治疗的影响分析

来源:医学与哲学 作者:王先明;肖瑜
发布于:2020-04-17 共3649字

  基因测序论文(核心期刊范文8篇)之第六篇

  摘要:基因检测的应用, 逐渐改变了以往免疫组化为主的乳腺癌预后评估及治疗方案选择的模式, 并对乳腺癌更为准确地分型, 对预后评估及治疗具有更为重要的指导意义。大数据分析的运用亦促进了乳腺癌基因组学研究的发展, 近年来多基因诊断及风险评估模型被美国临床肿瘤学会 (ASCO) 、圣加伦共识、美国国家综合癌症网络 (NCCN) 等多个权威乳腺癌诊疗指南所采用, 并开展了临床应用。MammaPrint、PAM50、Oncotype DX、EndoPredict等基因预测模型相继问世, 并对免疫组化及临床指标为主要评估方式的治疗模式形成强大冲击。在大数据时代背景下, 基因预测模型的作用及重要性越发凸显。本文就基因测序对乳腺癌治疗策略的影响做一浅显的探讨。

  关键词:基因检测,乳腺癌,大数据

基因测序论文

  乳腺癌的诊治中, 肿瘤信息具有决定性作用, 如肿瘤大小、淋巴结转移、脉管浸润、分化程度等, 在乳腺癌的风险评估及预后预测、治疗策略选择中都起到了重要作用。而基因检测则揭示乳腺癌基因层面的隐藏信息, 在乳腺癌风险评估、治疗策略制定上亦在发挥着其重要的作用[1]。我们耳熟能详的BRCA1/2基因突变已被欧美人群重视, 并影响着不同人群的乳腺癌筛查计划。国外研究指出, 具有BRCA1/2基因突变的女性应该在30岁起加做乳腺MRI作为常规筛查手段[2]。此外, 多个基因预测模型及评分模型的出现, 亦极大地提高了乳腺癌的诊治水平。在大数据背景下, 乳腺癌基因组学的研究日益深入, 亦将给乳腺癌的治疗带来革命性的突破。

  1乳腺癌的重新定义

  乳腺癌是一种怎样的疾病?过去有两种声音, 一种是以Halsted教授为代表, 乳腺癌是局部或区域性疾病, 其扩散方式是机械有序的, 即由局部病灶转移到区域淋巴结然后再发生血行转移, 所以要将肿瘤、整个乳房、胸大小肌及腋窝淋巴结整块切除。一种是以Fisher教授为代表, 乳腺癌一开始就是全身性疾病, 局部处理方式不影响预后, 对早期肿瘤可行肿瘤切除术保留乳房, 术后放疗、化疗, 其中放疗只降低局部复发率, 而化疗可提高长期生存率。从现今看来, 两位教授可能都是对的, 以免疫组化为基础的分型, 将乳腺癌划分为Luminal A型、Luminal B型、人表皮生长因子受体2 (HER-2) 过表达型、三阴型四种基本亚型, 其中Luminal型乳腺癌局部治疗效果较好, 而HER-2过表达型和三阴型乳腺癌则需要更多的化疗、靶向治疗等全身辅助治疗, 才能达到较好的治疗效果。由此, Veronesi教授提出, 乳腺癌是一组 (族) 疾病 (a family of disease) 。不同分子生物学特征的乳腺癌对治疗的反应性存在巨大的差异, 从而决定预后。最大的耐受治疗到最小的有效治疗的新观念由此诞生!

  而乳腺癌的分型研究日益深入, 由传统的病理分型 (浸润、非浸润导管癌、小叶癌, 特殊、非特殊等) 进入分子分型[根据免疫组化技术测定雌激素受体 (ER) 、孕激素受体 (PR) 、HER-2、Ki-67等表达水平]:ER (+) PR (+) (腔型) 、ER (-) PR (-) HER-2 (+) 、ER (-) PR (-) HER-2 (-) (三阴性) , 现今更是基因组学分型时代。基因分型主要有Perou基因分型:用基因芯片技术分为HER-2阳性、Bassl-like、Normal-like和Luminal (Luminal型包括A、B或C) ;PAM50分型:HER-2阳性、Bassl-like、Normal-like和Luminal;IntClust1-10型, 而各亚型根据基因表达谱的不同, 其生物学特性也不尽相同, 亦可继续划分不同的亚型。如三阴型乳腺癌, 可继续划分为BL1、BL2型 (basal-like 1, basal-like2, 高表达细胞周期和DNA损伤反应基因, 高Ki-67表达, 对铂类药物敏感) , IM型 (immunomodulatory, 高表达免疫因子、细胞因子等信号途径基因, 大量与侵袭有关的免疫细胞浸润) , M型和MSL型 (mesenchymal, mesenchymal stem-like, 富含EMT和生长因子途径基因, 对mTOR和abl/src抑制剂敏感) , LAR型 (luminal androgen receptor, 高表达AR, 对bicalutamide敏感) [3]。由此可见, 准确的乳腺癌分型对治疗策略的制定极为重要, 不同亚型的治疗策略可以截然相反。

  2乳腺癌基因检测工具的应用现状

  MammaPrint (70-GS) 一个多基因检测系统, 选取了70个基因进行检测[4]。是首个被美国食品药品监督管理局 (FDA) 和欧盟批准的作为<61岁、Ⅰ期~Ⅱ期、淋巴结阴性或1个~3个阳性的乳腺癌多基因检测辅助预后分析系统。70-GS可预测局部区域复发风险, 高危乳腺癌患者可从更广泛的辅助治疗中获益以降低局部区域复发风险, 而70-GS低危患者则只能从有限的治疗策略中获益, 而高风险ER阳性乳腺癌可能会获益于辅助化疗。但MammaPrint需要采用冰冻的新鲜组织样本, 而且只能在专业化的检测中心完成, 限制了其临床普及应用。

  PAM50复发风险评估 (Prosigna) 是2013年FDA批准的第2个用于乳腺癌术后风险评估的多基因检测系统[5]。该基因模型采用FFPE样本, 检测特定的50个基因mRNA表达, 经过一些管家基因的标准化和阴性与阳性对照的比对, 计算出患者术后复发的风险分数, 并能分析乳腺癌的固有亚型, 主要用于估计Ⅰ期~Ⅱ期ER阳性绝经后乳腺癌患者接受辅助内分泌治疗的无远处转移生存期。

  Oncotype DX即我们所熟知的21基因评分模型, 是目前在美国应用最广泛的ER阳性乳腺癌患者多基因检测预后模型。Oncotype DX采用了16个肿瘤相关的基因和5个管家基因去计算复发评分 (0~100) , 根据评分将乳腺癌的复发风险分为3类:低复发风险 (分值<18) 、中复发风险 (分值18~30) 和高复发风险 (分值>30) , 低复发风险化疗获益有限, 高复发风险的患者化疗明显[6]。目前该模型正在验证其对中复发风险患者的预测价值, Oncotype DX与HER-2状态、肿瘤大小、Ki-67、肿瘤分级相结合的多变量模型可能会进一步提高中复发风险的预测准确性。而随着检测数据库的不断扩大, 其评分体系亦会随之改良, 具有可持续调整的优点。

  EPclin评分, 也是基于RT-PCR的多基因检测方法, 同时检测8个癌基因和3个管家基因的表达, 通过评分把ER阳性仅接受内分泌辅助治疗的乳腺癌分为高风险和低风险复发组[7]。EndoPredict的诊断试剂盒已在欧洲上市, 可以在当地医院进行检测。EndoPredict还可以和淋巴结状态和肿瘤大小一起构建一个更广泛的风险得分系统EPclin。目前EPclin已被验证可以发现ER阳性乳腺癌患者中的晚期高复发风险人群。

  基因等级指数 (genomic grade index, GGI) 是通过比较分化良好的乳腺癌和分化差的乳腺癌表达谱获取97个基因, 采用基因芯片的多基因检测方法, 检测97个基因的表达计算评分[8]。通过该评分可以将中分化的ER阳性的乳腺癌分为2个亚型, 2个亚型在预后及治疗效果上具有显着差异。

  乳腺癌指数 (breast cancer index, BCI) 亦是一个多基因检测模型, 采用FFPE标本型RT-PCR检测, 适用于FFPE组织, 主要用来预测ER阳性、淋巴结阴性乳腺癌的远处复发风险。BCI评分包括2个部分, 一个预后因子是2个基因HOXB13/IL17BR表达的比例, 另一个决定因素是一个5个增殖相关基因的评分[9]。BCI可以用来预测早期和晚期的远处复发风险, 并能识别出35%~45%的患者存在较高的晚期复发风险, 针对这类具有高的晚期复发风险患者, 可能需延长辅助治疗时间, 以获得更大的治疗获益。

  7基因模型, 通过选取的7个癌基因进行检测评分, 将患者划分为局部复发高危组和局部复发低危组, 并随机分配为两组, 一组接受术后放疗, 一组不接受术后放疗。结果发现, 在局部复发低危组中, 接受术后放疗与不接受术后放疗的患者在局部复发率上没有差异, 而在局部复发高危组中, 不接受放疗的患者局部复发率比接受放疗的患者高45% (57%∶12%) , 证明7基因模型能对乳腺癌患者进行更为准确的局部复发风险评估, 从而知道治疗方案的制定[10]。

  3大数据时代下乳腺外科的发展趋势

  大数据 (big data) , 指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。学术界、工业界甚至于政府机构都已经开始 (下转第86页) (上接第22页) 密切关注大数据问题, 并对其产生浓厚的兴趣。就学术界而言, Nature早在2008年就推出了Big Data专刊。Science在2011年2月推出专刊“Dealing with Data”, 主要围绕着科学研究中大数据的问题展开讨论, 说明大数据对于科学研究的重要性。而基因组信息的复杂性和庞大性, 非普通计算工具可以分析清楚的, 这就必须借助大数据的帮助, 深入探索基因组学信息对乳腺癌治疗策略的影响, 揭示乳腺癌的内在生物学特性, 制定个体化的治疗策略, 将是乳腺外科发展的热点。

  参考文献
  [1]辛灵, 刘倩, 徐玲, 等.乳腺癌基因检测与临床实践[J].中国实用外科杂志, 2014, 34 (1) :73-76.
  [2]SASLOW D, BOETES C, BURKE W, et al.American cancer society guidelines for breast screening with MRI as an adjunct to mammography[J].CA Cancer J Clin, 2007, 57 (2) :75-89.
  [3]NAROD S A, DENT R A, FOULKES W D.CCR 20th Anniversary Commentary:Triple Negative Breast Cancer in 2015-Still in the Ballpark[J].Clin Cancer Res, 2015, 21 (17) :3813-3814.
  [4]KNAUER M, MOOK S, RUTGERS E J T, et al.The predictive value of the 70-gene signature for adjuvant chemotherapy in early breast cancer[J].Breast Cancer Res Treat, 2010, 120 (3) :655-661.

点击查看>>基因测序论文(核心期刊范文8篇)其他文章
原文出处:王先明,肖瑜.基因测序等大数据时代对乳腺癌治疗策略影响[J].医学与哲学(B),2018,39(03):21-22+86.
相关标签:
  • 报警平台
  • 网络监察
  • 备案信息
  • 举报中心
  • 传播文明
  • 诚信网站