癌症微陣列數據庫和網絡的數據分析平台在癌症精準醫學的應用

Comment

文/中國文化大學生命科學系 吳賜猛 副教授

隨著分子檢測技術的突破及基因解碼,帶動了「藥物基因體學」(Pharmacogenomics)成為醫學研究的新領域。藥物基因體學是研究基因如何影響人對特定藥物的反應。這個領域結合藥理學(藥物科學)和基因體學(基因及其功能的研究)針對個人基因的變化來開發有效,安全的藥物和劑量。

整體而言,藥物基因體學是精確醫學(Percision medicine)的一部分。那精確醫學包含哪些? 根據美國國家衛生研究院(NIH)的定義,精準醫學是“一種新的治療和預防疾病方法,它考慮到每個人的基因,環境和生活方式的個體差異。” 這種方法將允許醫生和研究人員更準確地預測特定疾病的治療和預防策略將在哪些人群中起作用。雖然“精準醫學”是相對較新的術語,但此概念已經是醫療保健的多年的一部分。例如,需要輸血的人不會從隨機選擇的捐贈者那裡獲得血液;相反,提供者的血型與接受者需加以配對以降低併發症的風險。雖然在醫學的幾個領域中可以發現實例,但精準醫學在日常醫療保健中的作用相對有限。研究人員希望這種方法將在未來幾年擴展到更多的健康領域。近年來全球各國也接二連三推動精準醫療計畫,希望藉由基因檢測更精準的執行個人化醫療。

為了在精準醫療中取得主導權,包括美國、英國、中國等各國政府均陸續宣布,將在未來的十年內斥資近百億美元投入精準醫療領域的研究與發展,例如美國國家衛生研究院(National Institutes of Health,NIH)規畫建立百萬人志願者基因資訊庫;另外,中國也將精準醫療納入國家「十三五規劃 」,計畫到2030年將投入600億人民幣;至於較早啟動的英國政府,則是成立「精準醫療推動中心」,預計從2015至2021年投入93億美元進行精準醫療的發展。至於台灣在精準醫療的投入上,則有中研院建置的「臺灣人體生物資料庫」(Taiwan Biobank),預計收集30萬筆國人生物基因數據,其中20萬筆為健康人,另10萬筆由台大、北榮、三總及北醫等國內大醫院,蒐集病患檢體,進行肺癌、乳癌、大腸直腸癌、腦中風、阿茲海默症等12種國人常見疾病研究。(葉席吟, 2016)

精準醫學也是一種醫療模式,可提出醫療保健的定制,醫療決策與實踐及針對個別患者提供適當得治療過程。在該模型中,診斷測試常常依據患者遺傳變異或組織或細胞基因表達的不同,進而選擇適當和最佳的治療,。 精準醫學中使用的工具可以包括分子診斷,成像和分析軟體。底下則介紹一個應用在腫瘤精準醫學的網路數據分析平台: ONCOMINE。

ONCOMINE (http://www.oncomine.org/),癌症微陣列數據庫和整合網絡的數據分析平台,旨在促進從全基因組表達分析的發現。迄今為止,Oncomine匯集了18,761組癌症相關基因表現微陣列資料,涵蓋264組癌症之基因表現研究,並有38種癌症類型,例如乳癌(Breast cancer)、肝炎(Liver cancer)、肺癌(Lung cancer)、腎臟癌(Kidney cancer)等癌症相關微陣列基因表現數據。Oncomine是一個癌癥微陣列數據庫和整合數據挖掘平臺,旨在促進來自全基因組表達分析的發現。它隸屬於Compendia公司。該公司位於美國密歇根州,擁有最全面的突變譜、基因表達數據和生物標志物。目前,Oncomine已包含了4700個微陣列實驗中近4800萬個基因表達測量組成的65套基因表達數據集,供研究人員使用。(圖一)

Oncomine癌症微陣列數據庫和整合網絡的數據分析平台之操作流程

Oncomine Comprehensive Cancer Panel (OCP) 利用專利次世代定序技術(NGS),開發出一個可在單次樣品中同時分析數百個基因的檢測平台,無論你的需求為腫瘤學臨床前診斷、藥物或伴隨診斷分子檢測開發工作,OCP都是一個通用的解決方案。OCP其差異表達分析比較,可用於探索大多數主要類型的癌症與各自的正常組織以及各種癌症亞型之臨床病理的分析。並可以對所選分析中的特定基因或多個基因作查詢並可將之數據化。此外,基因集分析可以加註臨床重要的註釋,包括已知的基因藥物靶標之分泌型的蛋白,蛋白激酶,膜蛋白,以促進新的生物標誌物和治療標靶的發現。

產品特色:

  • 固態腫瘤基因檢測Targeted Sequencing Panel ,搭配大數據癌症基因組學的 Oncomine 知識庫,包涵最新基因突變位點註解、最新臨床用藥資料庫、全球最新癌症用藥臨床試驗
  • 國際間多篇期刊發表及最被廣泛使用的cancer panel,
  • 每次樣品運行中僅需最少的樣品量,非常適合於進行寶貴腫瘤樣品的分析
  • 一個檢測同時針對單次樣品中數百個重要生物標記物進行分析,包涵143種

癌症相關基因:

  • 73種致癌基因用藥熱點突變 (oncogene hotspot)
  • 49種拷貝數變化 (CNV)
  • 26種腫瘤抑制 (tumor suppressor)
  • 22種基因驅動融合和插入缺失(gene fusion and indel)

Oncomine所使用之腫瘤學研究的次世代定序Oncomine™ Focus Assay,涵蓋了與目前腫瘤學藥物和公開證據相關的52種固態腫瘤基因。多生物標誌物的targeted sequencing 檢測方法可用來同時檢測腫瘤相關基因中的單核酸多態性(SNV)、插入/缺失(indel)、拷貝數變異(copy number variations)和基因融合(gene fusion),最終幫助轉化和臨床實驗室顯著提升分析能力和速度。Oncomine Focus Assay同時對DNA和RNA進行平行分析,從而通過Ion PGM 系統上的單個工作流程對35種熱點基因、19種拷貝數變異相關基因以及23種融合基因同時進行定序。是用於FFPE組織,每次反應只需少量DNA和RNA樣品起始量(10ng提取的核酸,每種樣品總計20ng),可對多種腫瘤樣品類型(包括小量的活檢樣品和細針穿刺樣品)進行精確、可靠的分析。

Oncomine腫瘤癌症基因檢測流程與檢測資訊

工作流程:

NGS資料庫製備的第一步是從樣品中提取DNA與RNA (可用樣品包括福馬林固定石蠟包埋FFPE 檢體、穿刺檢體、冷凍組織等) ,之後採用Ion AmpliSeq 技術進行Targeted enrichment和 Ion PGM™ 系統快速、輕鬆地完成次世代定序。 得出的資料可使用 Oncomine檢測知識庫進行進一步分析。

利用Ion AmpliSeq multiplex PCR 的技術,同時對DNA和RNA進行平行分析,每次反應僅需 20 ng 的 DNA 與15 ng RNA 便可target多個基因中 SNP、CNV、基因融合和插入缺失。由於 Ion AmpliSeq 技術可在一次反應中放大數百個生物標記物靶標,Oncomine™ 綜合檢測只需使用 3 個primer pool便可全面分析數百個最常參考的腫瘤學生物標記物。 這不僅可以實現輕鬆快速的工作流程,還有助於確保重要、可操作且不太常見的癌症變體不會丟失。(圖二)

 分析流程:

要如何判別所測到的位點有臨床上的意義? OCP所偵測到的腫瘤基因突變位點會先跟Oncomine 資料庫進行比對分析。

對於所偵測到的基因突變位點,OCP報告中也會提供:

  • 相關標靶藥物用藥資訊 (US FDA,NCCN guideline,EMA labels,ESMO guideline)
  • 病患基因型是否對特定治療會有不良反應
  • 全世界進行中的藥物臨床試驗的機構的地址及聯絡方式
  • Oncomine 資料庫每季都會更新,Oncomine Comprehensive Cancer Panel (OCP) 能提供醫師最新、最完整的癌症基因變異資訊及與相關的標靶藥物選擇。在臨床研究、治療、預後評估分析上達到精準醫學的目的。

Oncomine Comprehensive Cancer Panel (OCP) 驗證結果:

美國密西根大學團隊結果在2015 年Neoplasia 期刊中發表了OCP的驗證結果,總共測試了三組FFPE組織樣品 (平均保存時間10年):

  • 105個常規的分子學診斷送檢樣品
  • 104個肺癌檢體
  • 118個前列腺癌檢體

在EGFR、KRAS、 BRAF、 基因上,OCP結果與傳統單基因分子檢測結果100%相同。除此,OCP還能針對這些變異提供目前已知的標靶藥物治療選擇。其中,許多3個cohort中偵測到的突變在別種類型的癌症有NCCN建議藥物可以針對此基因的變異進行治療(下圖黃色)。這篇研究證明分子資訊可被用來打破過往依據腫瘤類型進行治療的觀念,轉變為依據基因類型來進行精準醫療。

除了美國癌症中心推動的MATCH Trial,選擇使用 Oncomine Comprehensive Cancer Panel外,國內亦有生技公司(如威健及金萬林公司)引進此平台提供研究單位(如成大、中國醫藥大學)來作癌症精準醫療之網路數據分析平台。其中金萬林公司也與台灣國家級癌症臨床試驗中心合作,並加入台灣特有基因變異資料庫。期望這些研究能夠開發適合華人之相關的標靶藥物選擇與疾病的治療方法,進一步在臨床研究、治療、預後評估分析上達到精準醫學的目的。

葉席吟, 精準醫療之各國推動政策觀察, 科技政策觀點2016-10-07

作者

生醫編輯群

生醫編輯群將致力於讓您接觸到國際生物科技的應用知識與國內外先進的生技及生醫產業相關報導,快速吸收最即時、最新的生物科技發展與生醫新知,改善醫病關係、醫療品質、正確的用藥方法。

Up Next

相關的 文章

討論關於這個 post