返回首页

肿瘤介入基础:肿瘤生物学基础

时间:2026-08-10 23:25来源:www.zljrlt.com 作者:杨宁肿瘤介入医学网
癌的定义与特征 人体内的细胞会无节制地增殖,并扩散至身体的其他部位。 人体细胞通过细胞分裂来增殖。如果这一过程受到干扰,出现异常或受损的细胞就会大量增殖,从而可能形成肿瘤。 癌性(或恶性)肿瘤会扩散至或侵入临近组织,并且能够从体内向远处转移,

癌的定义与特征


人体内的细胞会无节制地增殖,并扩散至身体的其他部位。
人体细胞通过细胞分裂来增殖。如果这一过程受到干扰,出现异常或受损的细胞就会大量增殖,从而可能形成肿瘤。
癌性(或恶性)肿瘤会扩散至或侵入临近组织,并且能够从体内向远处转移,形成新的肿瘤(即转移瘤)
 
 
癌症是指身体的细胞在没有控制下繁殖并扩散到身体的其他部分,通常人类细胞在所谓的细胞分裂中繁殖,那些细胞老化自我凋亡。当这些正常情况下受损的细胞,开始不在它们应该在的地方繁殖,癌症肿瘤扩散到附近的组织并穿过身体形成肿瘤的过程,这在全世界是一样的,不仅仅是人类,也包括某些动物。
 
 
 

 

癌的类型



事实上,身体中的每一个细胞都可以成为癌细胞,因此有不同种类的癌症,以上是最常见的癌症类型。

 

肿瘤细胞的生物行为

 
它们在没有正常信号的情况下会大量繁殖,并且会无视停止生长的信号(即细胞凋亡或程序性死亡信号)

它们会侵入周边区域,并在正常细胞遇到其他细胞时停止生长的地方扩散开来,而这些正常细胞在遇到其他细胞时会停止移动并停止生长。 它们会促使血管朝着它们的方向生长,以获取氧气和营养物质。

它们能够躲避免疫系统的攻击,并且还能诱使免疫系统帮助它们存活并繁衍后代。

它们的 DNA 会累积出现多种变化(即克隆选择过程) 它们依赖各种不同的营养物质,以促使癌细胞生长得更快。


 

癌症是如何形成的?

 
人体内每个细胞的正常活动都由其自身的 DNA 来调控。

DNA序列的改变——即突变——会破坏正常的蛋白质功能,而这是导致癌症的首要原因。

这些突变的发生原因在于:

 
细胞分裂过程中的错误

致癌物(例如烟草烟雾和紫外线)

遗传

慢性炎症

 
     

基因突变



基因突变 Genetic Mutations
 已知会导致癌症的基因突变类型包括:
 单个碱基的改变
单个碱基的删除或插入可能会产生新的蛋白质、正常蛋白质的变异形式,或者导致蛋白质功能丧失,从而可能引发癌症。
 额外的基因副本(基因扩增)
某些蛋白质含量的增加会促进细胞的存活和生长,从而可能导致癌症的发生
 删除操作
DNA 的缺失会导致相关基因的丧失,而这些基因对于调控控制正常细胞生长、分裂和寿命的过程至关重要,从而引发癌症的发生。 
结构变异
染色体之间的 DNA 交换能够一次性改变多个基因。有时这种交换会导致两个独立基因的融合,从而产生全新的蛋白质,这些蛋白质能够促进癌症的发展。
 改变表观基因组的突变
几种蛋白质能够对 DNA 或包裹 DNA 的组蛋白上的表观遗传标记进行读取、写入或擦除操作。这些蛋白质的基因发生突变会通过改变控制细胞生长和分裂过程所需的基因的协同激活或抑制机制,从而导致癌症。
值得注意的是,细胞会随着时间的推移而发生突变,但并非所有的突变都会导致癌症。此外,并非在癌细胞中发现的所有突变都会促进癌症的发展。
改编自 美国癌症研究协会(AACR)2019 年癌症进展报告


  

癌症基因


癌症的致病因素

原癌基因——它们能使细胞在不应分裂和存活的情况下继续进行分裂和存活。
肿瘤抑制基因——可能会导致细胞无节制地分裂
DNA 修复基因——可能会导致细胞癌变





癌症发生前的组织变化


增生:
细胞的分裂速度超过正常水平,但组织结构依然正常,通过显微镜观察仍呈正常状态。

发育不良:
存在细胞过度增生的情况,但这些细胞看起来异常,并且组织的排列方式也发生了变化。

原位癌:
病情更为严重——但仍未构成癌症,因为异常细胞尚未侵入周围组织




癌的发展


   


癌的生长


一个生态系统



血管生成


血管的形成






转移

夺取领土……

肿瘤细胞会形成一种“预转移微环境”;它们会向远处器官发送信号,促使这些器官做好接纳细胞的准备。

阶段:

1. 传播
2. 休眠
3. 定殖 Colonization

 
肿瘤引起的全身性免疫抑制会促进细胞扩散











转移


传播:
致癌驱动突变
通过基底膜进行入侵
血液和淋巴管中的渗入现象
向远处器官的渗漏
休眠:细胞脱离细胞周期
微转移
移地发育
转移起始细胞会调整其所在的肿瘤微环境
血管生成 o
免疫抑制
巨转移



Macrometastasis(巨转移)是肿瘤转移的一种形式,指肿瘤细胞在原发部位以外形成体积较大(通常超过2毫米)的转移灶。 ‌
 
巨转移与微转移的区别
 
‌巨转移‌:转移灶直径超过2毫米,常表现为实体瘤样生长,与周围组织存在明显边界。 ‌
‌微转移‌:转移灶直径小于0.2毫米,或包含200个以上肿瘤细胞但不超过2毫米,属于早期转移。 ‌
临床意义
 
巨转移通常与较差的预后相关,其发生机制涉及肿瘤细胞通过血液或淋巴系统扩散至远处器官。例如,乳腺癌患者术后使用麻醉药(如 七氟烷 )可能增加肺部巨转移风险,而 IL-6/JAK/STAT3通路 的激活是关键诱因。 ‌


总之, 癌症是一种复杂的疾病,肿瘤细胞的内在因素和外在因素共同决定了疾病的进程。 癌细胞具有独特的能力能够避开免疫系统的作用。 它们能够构建出一种肿瘤微环境,从而促进肿瘤的生长。 转移病灶是位于远端器官中的新的肿瘤微环境。 .癌症的治疗会对这种微环境产生影响。










 

癌症生物学的基础 以及它们对全身(系统)治疗的影响 


 

88 Novel Active Substances for Solid Tumors 2014-2023

2014-2023年用于实体瘤的88种新型活性物质









上面图表与右侧的数据文字共同构成了一幅关于全球肿瘤创新药物研发趋势及其对医疗系统(以葡萄牙为例)财务影响的综合图景。

以下是对该图表及相关数据的详尽解读:



一、图表视觉解读:实体瘤新型活性物质的癌种分布



图表中心为一个灰色的人体轮廓,周围环绕着17个绿色的圆圈,代表不同的实体瘤类型(如肺癌、乳腺癌、结直肠癌、前列腺癌等)。每个圆圈外延出线段,末端附着不同颜色和形状的符号(蓝圆、橙圆、白圆、三角形、红叉等)。

 研发热点集中Lung(肺癌)对应的线段末端有一个巨大的蓝色圆点矩阵,这表明在2011-2021年间,针对肺癌的新型活性物质(新药)数量遥遥领先,是药物研发的绝对主战场。

 其他主要癌种Breast(乳腺癌)Colorectal(结直肠癌)Gynecologic(妇科肿瘤)Renal(肾癌)等也有密集的蓝色圆点,说明这些高发癌种是研发的重点。



 符号含义推测



o  蓝色实心圆:代表获批上市或处于后期临床的常规新型活性物质。
o  橙色圆/白圆:可能代表特定机制的药物(如免疫检查点抑制剂、ADC药物等)或特殊疗法。
o  三角形:可能代表联合疗法或生物类似药。
o  红色叉号(×):多出现在肺癌、妇科肿瘤和膀胱癌等区域,代表试验失败、撤回申请或终止研发的药物。 


二、数据文字解读:葡萄牙肿瘤药物支出(2020年)



文字给出了具体的经济数据,背景是“EHMA(欧洲健康管理协会)”发布的关于葡萄牙国家医疗服务体系(NHS)的统计:


· 支出总额:2020年,葡萄牙在癌症药物上的支出高达4.286亿欧元(428.6 MM €)。

· 占比极高:这笔支出占到了该国当年所有药物总支出的 31.9%。这意味着每花3欧元买药,就有约1欧元用于癌症治疗。

· 增速惊人:相较2019年,2020年的癌症药物支出增长了+12.7%。在整体医疗预算增长有限的情况下,这一增幅非常巨大。


三、综合深度分析:图文背后的核心逻辑


将图表与文字结合起来,可以得出以下几个核心结论:

1. 创新药浪潮直接推高了医疗支出


文字中提到的“US novel active substances... launched 2011–2021”(2011-2021年美国在实体瘤领域推出的新型活性物质)正是图表中那些五颜六色的点。过去十年,靶向药、免疫疗法(如PD-1/PD-L1)大量涌现,虽然显著延长了患者生存期,但其高昂的定价(尤其是美国上市的新型药物)直接传导至各国的医疗预算中。葡萄牙 12.7% 的年度增长就是这一全球现象的缩影。

2. 研发投入与经济负担呈正相关


图中肺癌区域极其密集的蓝点,说明过去十年间该领域诞生了大量新药。然而,这也意味着肺癌治疗成为了医保支出的“吞金兽”。对于医保支付方(如葡萄牙NHS)来说,新药越多、适应症越广,支出的压力就越

3. 抗癌药已成为医保控费的核心难题


31.9% 的药品支出占比,说明抗肿瘤药物已经不是小众领域,而是药品费用的绝对主力。随着图中那些蓝点(新药)不断获批并在临床推广,未来医保体系在“普惠患者”与“控制费用”之间的博弈将愈发激烈。


四、趋势展望


· 精准医疗的代价:图表中的“Tissue agnostic”(泛癌种/组织不确定)药物出现,说明治疗正在向基因靶点而非器官部位转变。这种“广谱抗癌药”通常价格极高,未来可能会进一步推高支出。

· 红叉的警示:图中有红叉代表失败。新药研发成功率低,研发成本最终会转嫁到成功的药物上,这是肿瘤药价格居高不下的根本原因之一。

· 对公共卫生政策的影响:面对葡萄牙这种12.7%的增速,各国医保机构预计将加大推行药物经济学评价强制降价谈判以及仿制药/生物类似药的替代使用,以应对日益膨胀的肿瘤药物预算。
 



现代癌症治疗包括






靶向治疗



个性化医疗——肿瘤学的开创性角色









这张由美国FDA在2013年10月发布的图表,虽然距今已超过十年,但在医疗监管史和产业史上具有标志性意义。它展示了当时基于生物标志物(Biomarkers)获得FDA批准的药物在不同疾病领域的分布。

将这张图与您前面提供的“肿瘤药物支出”和“实体瘤新药研发”数据结合起来看,能够形成一个“研发-审批-市场支出”的完整闭环逻辑。

以下为您详尽解读这张图及其背后的产业逻辑:



一、核心数据解读:肿瘤学是“精准医疗”的绝对领跑者




 断层领先(38%):肿瘤学与血液学(Oncology/Hematology)占据了图表的巨大份额,达到38%,是第二名精神病学的两倍多。这直接奠定了肿瘤学在个性化医疗(精准医疗)中的先驱地位。

 为何是肿瘤学:癌症的本质是基因突变(体细胞突变)。这使得肿瘤学天然具备应用生物标志物的优势。例如,FDA要求靶向药(如针对EGFR、ALK、HER2等基因突变的药物)必须配合“伴随诊断”(Companion Diagnostic,即先检测靶点,后用药)才能获批上市。



 其他领域(精神病学17%、传染病学10%等)



o  精神病学(17%):这一比例较高,但当时所谓的“生物标志物”在精神病领域大多是指药物基因组学(如CYP2D6基因多态性影响抗抑郁药的代谢速率),而非像肿瘤学那样寻找“癌症驱动基因”。它主要关注“用药安全与代谢”,而非“靶向治愈”。

o  传染病学(10%):主要集中在HIV病毒载量检测、丙肝(HCV)基因型分型指导抗病毒治疗等。


o  心血管与内分泌(7%、6%):其生物标志物往往是传统的生理指标(如胆固醇、血糖),是“替代终点”,而非基因层面的精准靶点。


二、FDA的监管风向:铺平个性化医疗的道路



· 图表中的文字“Paving the Way for Personalized Medicine”(为个性化医疗铺平道路)非常关键。在2013年左右,FDA开始大力推行基于生物标志物的药物审批路径。这意味着,药企不能只证明药物“总体有效”,还必须证明药物对“特定生物标志物阳性人群”有效

· 这一监管思维的变化,直接推动了制药行业研发方向的转向——从“广谱化疗”转向“精准靶向”,从而催生了第一张图中那些密集的蓝色圆点(过去十年海量的实体瘤新药)。



三、与前两张图的逻辑关联(核心洞察)



将这张图(2013年FDA批准)与前一张图(2011-2021年实体瘤研发)、以及葡萄牙的支出数据结合,揭示了现代肿瘤药产业的经济学链条:

1. 源头(这张图,2013年):FDA在2013年通过确立“生物标志物”审批通道,释放出强烈的政策信号,告诉资本和药企:“针对基因靶点的抗癌药,获批的门槛降低了,路径清晰了”。

2. 爆发期(第一张图,2011-2021年):药企迅速响应,将海量资本砸向肿瘤精准医疗。结果是过去十年间,针对肺癌等实体瘤的新药如雨后春笋般涌现。

3. 结果/买单者(第二张图,2020年):新药上市后,虽然疗效好,但研发成本极高,且大多数是专利保护的“孤儿药”或“突破性疗法”,定价极其昂贵。这直接导致了2020年葡萄牙等国家的抗癌药支出猛增(占比达总药费的31.9%,年增长率12.7%)。

四、对未来的启示与反思


· “赢家通吃”的资源配置:市场、监管和研发资金高度集中于肿瘤领域,这一方面拯救了大量癌症患者,但也导致了其他疾病领域(如神经退行性疾病、罕见病)的精准医疗发展滞后。

· 医保压力持续存在:因为FDA在2013年就定下了“伴随诊断”的基调,这意味着未来的新药几乎没有“廉价”的。随着生物标志物不断精细(如从肺癌的EGFR,细分到EGFR L858R、EGFR T790M等),药物定价和医保支出的压力仍在与日俱增。

· 跨学科的精准医疗拓展:虽然肿瘤学领先,但图中17%的精神病学和10%的传染病学提示我们,未来的精准医疗一定会向这些方向延伸,但前提是需要更复杂的多组学(基因组、蛋白组、代谢组)基础研究取得突破。一旦突破,新一轮的医疗支出浪潮可能又会到来。


 

用于预测的可能生物标志物

 




这张图表展示的是一张关于“可能的预测性生物标志物”(Possible Biological Markers for Prediction)的汇总表格,其背景来源于2017年发表在《Cancer Treatment Reviews》上的一篇综述文章(作者Perez-Gracia JL等)。

表格按照生物改变的分子性质(Molecular nature of biological alterations),将癌症预测性生物标志物划分为了四个层级(遗传、表观遗传、蛋白质、表型),并详细列出了对应的肿瘤类型、检测方法、治疗方案以及临床转化状态(是否验证和是否获批)。
以下是对该图表的详尽解读:



一、表格结构概述



表格的纵列包含了七个核心维度:


1. Level(分子层级):标志物所属的生物学层级。

2. Molecular alteration(分子改变类型):发生变异的机制(如突变、扩增、甲基化等)。

3. Example(具体示例):具体的基因或蛋白名称。

4. Diagnostic test(诊断检测方法):用于检测该标志物的技术手段(如PCR、FISH、IHC等)。

5. Tumor type(肿瘤类型):适用的癌症种类。

6. Treatment(对应治疗):针对该标志物的靶向或免疫治疗药物。

7. Validated(是否经过验证)&Approved for clinical use(是否获批临床使用):标志物在临床实践中的成熟度。


二、四个层级的生物标志物详解


1. 遗传水平(Genetic)—— 目前最成熟、应用最广的领域

表格中遗传水平的标志物最多,且绝大部分已获得临床验证和批准。

· 基因突变与缺失(Gene mutations and deletions):


o  EGFR突变:对应非小细胞肺癌(NSCLC),采用PCR或测序检测,指导使用EGFR TKI(酪氨酸激酶抑制剂)。已验证且已获批

o  c-KIT突变:对应胃肠道间质瘤(GIST),指导使用伊马替尼/舒尼替尼已验证且已获批

o  KRAS/NRAS突变:对应结直肠癌(Colorectal cancer),指导使用西妥昔单抗/帕尼单抗(只有RAS野生型才有效,突变型无效)。已验证且已获批

 

 基因扩增(Gene amplification):


o  HER2过表达:对应乳腺癌/胃癌,采用IHC/FISH检测,指导使用HER2靶向治疗(如曲妥珠单抗)。已验证且已获批
 

 易位(Translocations):


ALK易位:对应非小细胞肺癌(NSCLC),采用FISH检测,指导使用ALK抑制剂已验证且已获批。 

 多态性(Polymorphisms)与信使RNA(Messenger RNA)(属于探索性/未成熟标志物):


o  VEGFR3 SNPs(单核苷酸多态性):对应肾细胞癌(RCC),尝试指导舒尼替尼治疗。未验证,未获批

o  AR-V7(雄激素受体剪接变异体7):对应前列腺癌,尝试指导阿比特龙/恩杂鲁胺治疗。未验证,未获批


2. 表观遗传水平(Epigenetic)—— 处于探索阶段



 miRNA

o  miR-942:对应肾细胞癌(RCC),采用Micro RNA阵列检测,尝试指导舒尼替尼治疗。未验证,未获批


 DNA甲基化(DNA methylation)

o  MGMT甲基化:对应胶质母细胞瘤(Glioblastoma),采用PCR检测,指导烷化剂(如替莫唑胺)治疗。注:MGMT启动子甲基化在临床中其实是有指导意义的,但表格在此处标记为“未验证、未获批”,可能是基于该综述发表时的特定分类标准或局部证据强度考量。


3. 蛋白质水平(Protein)—— 经典且成熟的标志物



· 蛋白过表达(Protein overexpression)


o  HER2:与遗传水平中的HER2扩增对应,这里强调通过**IHC(免疫组化)**检测蛋白层面的过表达,同样用于乳腺癌/胃癌,指导HER2靶向治疗。已验证且已获批

o  激素受体(Hormone receptors):对应乳腺癌,采用IHC检测,指导激素治疗(如他莫昔芬、芳香化酶抑制剂)。已验证且已获批

 

4. 表型水平(Phenotype)—— 新兴的免疫治疗标志物


·细胞亚群(Cellular subpopulations)

o  CD8+肿瘤浸润淋巴细胞(TILs):对应黑色素瘤(Melanoma),采用IHC检测,指导PD-1/PD-L1阻断疗法。在表格中标记为未验证,未获批注:目前PD-L1表达和TILs已成为多种癌症的临床检测指标,但表格反映的是2017年该综述作者的观点,当时可能尚未完全标准化或广泛获批)。


三、核心规律与临床启示


1. 临床转化的壁垒:表格中明确显示,“已验证”且“获批临床使用”的标志物主要集中在遗传层(DNA层面)和蛋白质层面。而表观遗传、mRNA、多态性以及细胞亚群等相对复杂或较新的生物标志物,当时大多仍停留在“未批准”的研究阶段,说明从发现标志物到真正进入临床指南和医保报销,需要经过极其严格的验证(如前瞻性临床试验)。

2. 检测技术对应关系

o  PCR/测序(PCR/sequencing):主要用于检测DNA层面的点突变、缺失、甲基化等。
o  FISH(荧光原位杂交):专门用于检测基因扩增(如HER2)和染色体易位(如ALK)。
o  IHC(免疫组化):主要用于病理切片上检测蛋白质的过表达(如HER2蛋白、激素受体)和细胞亚群(如CD8+细胞)。

3. 精准医疗的基石:这张表格生动地展示了“伴随诊断”的概念:有什么样的生物标志物,就用什么药。例如,NSCLC患者必须检测EGFR和ALK,结直肠癌患者必须检测KRAS/NRAS,乳腺癌患者必须检测HER2和激素受体。这使得癌症治疗从“一刀切”的化疗走向了靶向和免疫的个体化治疗时代。


总结这是一张反映2017年前后癌症精准医疗标志物全景图的表格。它清晰地展示了从基因到蛋白质到细胞层面的生物改变如何转化为临床决策,同时也提醒我们,除了我们熟知的EGFR、HER2等经典标志物外,还有大量如AR-V7、miR-942等潜在标志物正在等待临床验证。



 
以上是为早期的检测方法,当今肿瘤精准医疗的核心驱动力——NGS(Next-Generation Sequencing,下一代基因测序)

在第三张表格(Perez-Gracia 等人2017年的论文)中看到的检测手段,如“PCR、FISH、Sanger测序”,都属于传统单基因/单靶点检测。而 NGS 的出现,彻底颠覆了这种“逐一排查”的模式。

以下是针对 NGS 的详尽深度解读,紧密关联您之前的三张图:


一、什么是 NGS?(高通量“并行”测序)


传统的一代测序(如Sanger法)一次只能测定一条DNA序列,像“打字机”。而 NGS 拥有“海量并行”能力,一次实验就可以对数百万甚至数十亿条DNA片段同时进行测序。

· 在临床上,NGS 可以实现“一次性抽血或取一小块肿瘤组织,就能同时检测几百个与癌症相关的基因”,因此也被称为“多基因Panel检测”。


 

二、NGS 如何把第三张图(分子标志物表)的理论变为现实?



那张表里,EGFR、KRAS、HER2、ALK 等靶点是分开用不同方法(PCR、FISH)检测的。NGS 直接把这张表“一锅端”:


· DNA层面的全覆盖:NGS 可以一次性精准发现点突变(如 EGFR L858R)、小片段插入/缺失(如 EGFR 19del)、基因扩增(如 HER2、MET)、基因融合/易位(如 ALK、ROS1、RET)。这极大缩短了检测时间,为晚期癌症患者争取了宝贵的治疗窗口。

· 超越 DNA,触及表观遗传:部分 NGS 还能检测DNA 甲基化(对应您表中 Epigenetic 层面的 MGMT 甲基化)。

· 免疫治疗的“硬指标”:NGS 还能计算出TMB(肿瘤突变负荷)MSI(微卫星不稳定性)。这两个指标直接对应您表格最下方的“Phenotype 细胞亚群”,用于精准预测患者对PD-1/PD-L1 免疫检查点抑制剂(K药、O药)的疗效。


三、NGS 带来的三大临床革命


1. “不限癌种”的突破(泛癌种靶点):过去是先看是哪里的肿瘤(肺癌、肠癌),再测基因。NGS 发现了如NTRK 基因融合这样的“广谱靶点”,无论肿瘤长在肺部、肠道还是甲状腺,只要带有该融合,就可以用同一种极昂贵的靶向药(拉罗替尼/恩曲替尼),极大扩展了受益人群。

2. “液体活检”成为现实:这是 NGS 最伟大的临床应用之一。过去必须做穿刺/手术取组织,风险高、痛苦大。NGS 凭借极高灵敏度,只需抽患者10ml 外周血,就可以捕获血液中肿瘤细胞掉落出来的 ctDNA(循环肿瘤DNA),从而实现无创基因检测。这对晚期无法手术的患者至关重要。

3. 动态监测复发(MRD 监测):手术或放化疗后,NGS 可以定期抽血监测残留的微小肿瘤 DNA。如果指标开始升高,可能比影像学(CT)提前 3-6 个月发现肿瘤复发,从而及时更换药物。


四、经济学之辩:NGS 到底是省钱还是烧钱?



结合之前提到的“葡萄牙肿瘤药支出暴涨 12.7%(占药费 31.9%)”,NGS 在其中扮演了极其复杂的双重角色:


· 节省无效支出(钱花在刀刃上):不做 NGS,可能会给KRAS突变的结直肠癌患者使用昂贵的西妥昔单抗,不仅无效,还白白花费数万欧元。NGS 能够精准筛选出“有效患者”,防止医疗资源的巨大浪费。


· 推高总花费(发现更多“昂贵靶点”):NGS 常常能检出极少见的靶点(如BRAF V600ERETNTRK)。针对这些罕见突变,药企研发了极高定价的“孤儿药”。虽然使用群体小,但单药年治疗费用常超过 10万-20万欧元。
因此,检测得越精准,就会找出更多需要昂贵靶向药的患者,最终导致国家整体的“肿瘤药总支出”依然暴涨。

 


五、当前的局限性与未来发展(2026年视角)


· 当前痛点:NGS 对生信分析(生物信息学)要求极高。检测出来的数据若没有高级生信工程师和肿瘤内科医生共同解读,很容易导致“过度解读”(报告里有突变,但这个突变并不致癌,吃了药也没用),产生假阳性。

· 未来趋势:随着测序成本从 2013 年的上千美元,降低到今天中国部分商业 NGS 检测已降至几千元人民币,NGS 正从“晚期患者的最后选择”下沉为“早癌筛查”工具。未来,基于 NGS 的多癌种早筛(液体活检)如果获批,医疗体系将面临更严峻的挑战——筛查人群庞大,一旦早期发现癌症,长期的靶向药治疗费用将是一个天文数字。


总结一句话NGS 不是一张简单的化验单,它是将表上的**“静态基因标签”转变为“动态治疗地图”**的核心推手。它让癌症治疗从“蒙着眼睛打仗”升级为“卫星精准制导”,但如何平衡这种尖端科技带来的惊人疗效与飙升的医保负担,是当下全球卫生经济学的核心议题。



 整合肿瘤学诊断 - 生物标志物分析







基于以上的图片《Integrative Oncological Diagnostics - Biomarker Analyses》,这张图表完整地展示了现代肿瘤学从宏观组织形态微观分子特征的精准诊断路径。这种“整合式诊断”是当前肿瘤治疗从“一刀切”走向“个体化精准治疗”的核心基石。

以下本栏目编者将结合图片中的五个关键环节,为您详尽解读肿瘤生物学是如何深刻影响临床治疗决策的:


1. 形态学与组织学分型
(Morphology & Histologic subtype)— 治疗的“起跑线”



· 图片左侧展示:HE染色的组织切片。

· 生物学解读:这是最基础的诊断。通过显微镜观察细胞形态,明确肿瘤是腺癌、鳞癌、小细胞肺癌还是其他类型。

· 对治疗的影响:不同类型的肿瘤对化疗药物的敏感性完全不同。例如,肺腺癌是靶向治疗的“大户”,而小细胞肺癌则主要依赖化疗和放疗。这一步决定了后续分子检测的方向(腺癌必须做基因检测,鳞癌则酌情考虑)。

2. 免疫组化
(IHC - ALK/ROS1/MET/PD-L1)—— 蛋白层面的“指挥棒”


 图片左侧偏中展示:棕色的免疫组化染色图。

 生物学解读:IHC检测的是肿瘤细胞表面或内部的蛋白质表达水平。图中所列的指标至关重要:


o  PD-L1(程序性死亡配体-1):这是免疫治疗(PD-1/PD-L1抑制剂,如K药、T药)的“通行证”。PD-L1表达越高,免疫治疗的疗效通常越好。

o  ALK、ROS1、MET蛋白:这些蛋白的过度表达往往提示其对应的基因发生了突变或融合。

 对治疗的影响:如果IHC显示PD-L1高表达(如TPS≥50%),医生可能会优先推荐单药免疫治疗;如果显示ALK蛋白强阳性,则基本可以推断存在ALK融合,可直接指导使用靶向药,但在临床上,IHC阳性结果通常需要后续基因检测来确认。


3. 荧光原位杂交
(FISH - ALK/ROS1/MET)—— 基因融合的“显微镜”



· 图片中间展示:蓝底红绿荧光点的显微镜视野。


· 生物学解读:FISH技术主要用于检测基因重排(融合)。当显微镜下红绿荧光点分离或融合,就代表基因发生了断裂并和其他基因结合。

· 对治疗的影响基因融合是极佳的靶向治疗靶点。例如,一旦通过FISH确诊了ALK融合ROS1融合,患者就可以使用对应的靶向药物(如克唑替尼、阿来替尼、恩曲替尼等),这些药物通常能让肿瘤迅速缩小,且脑转移控制率高。这是肿瘤治疗中最成功的“万花筒”现象之一。


 

4. 二代测序
(NGS - Predictive mutations & Mutational burden)
— 治疗的“百科全书”



 图片偏右展示:桌面式高通量测序仪。

 生物学解读:NGS是当前精准医疗的核心。它不仅仅是看一两个基因,而是同时检测数百个癌症相关基因的点突变、插入缺失、拷贝数变异,并计算肿瘤突变负荷(TMB)

 对治疗的影响



 预测性突变(Predictive mutations):NGS能发现EGFR、BRAF、KRAS、HER2等驱动基因突变。例如,EGFR突变的肺癌患者必须使用奥希替尼等EGFR-TKI,而BRAF V600E突变的黑色素瘤患者则需要使用达拉非尼+曲美替尼。没有NGS,这些治疗“窗口”就会被错过。

 肿瘤突变负荷(TMB):TMB代表了肿瘤细胞基因组中有多少“错误”。TMB-H(高突变负荷)的患者,不论肿瘤类型,通常对免疫检查点抑制剂有更好的响应(即所谓“泛癌种”免疫治疗标志物)。


5. 液体活检
(Liquid biopsies - ctDNA)—治疗的“雷达”与“预警器”



 图片最右侧展示:采血管(ctDNA检测)。

 生物学解读:肿瘤细胞凋亡时会释放游离DNA到血液中(ctDNA)。通过抽血检测ctDNA,实现了无创的动态监测

 对治疗的影响


 耐药突变(Resistance mutations):这是液体活检最核心的应用。例如,服用第一/二代EGFR靶向药的患者,如果疾病进展,抽血检测发现出现了T790M耐药突变,医生就会果断换用第三代靶向药(奥希替尼)。无需再次穿刺活检

 疗效监测(Monitoring):在治疗过程中,如果血液中ctDNA水平下降,说明治疗有效;如果ctDNA水平突然上升,可能预示影像学进展提前数月出现,让医生能提前调整策略。


 

总结:从“解剖病理”到“分子病理”的飞跃



这张图完整诠释了现代肿瘤治疗决策的流程:

1. 组织学(谁?):确定肿瘤类型。

2. IHC/FISH(怎么看?):初步筛查蛋白和少数关键基因融合。

3. NGS(全面看!):全基因组层面的“扫雷”,寻找所有可能的靶点和免疫疗效指标。

4. 液体活检(持续看!):治疗过程中的动态监控,应对耐药。


 
临床意义:这种整合策略将肿瘤不再视为一种“器官疾病”,而是一种“基因驱动的疾病”。同样的肺癌,因为生物学标志物(EGFR、ALK、PD-L1)的不同,治疗方案可能天差地别。这正是肿瘤生物学对治疗最深远的影响——让“对症下药”进化为了“对‘基因’下药”




 

如何读NGS报告


 

 
这篇综述文章《How to read a next-generation sequencing report—what oncologists need to know》(如何阅读下一代测序报告——肿瘤科医生需要知道什么)由瑞士多家机构的肿瘤学和病理学专家联合撰写,旨在为临床肿瘤科医生提供一份实用的NGS报告解读指南。文章不仅补充了ESMO(欧洲肿瘤内科学会)关于NGS使用的官方建议,还深入探讨了从检测前准备到临床决策的完整链条。

以下是对该文献的详尽解读,涵盖核心框架、操作细节、临床争议及未来方向。



一、背景与核心矛盾:NGS的普及与临床收益的“温差”




文章开篇指出,NGS技术已从十年前的研究工具变为常规诊断手段,成本下降使其广泛可用。然而,核心矛盾在于:

尽管已发现超过400种促癌基因组变异,但只有极少数变异有对应的获批靶向药物。因此,大规模基因检测(大Panel)的临床获益常被夸大。



· 批判性视角:在非学术中心,大Panel检测带来的大部分突变(如TP53、KRAS)在当时的临床实践中并不可靶向,导致实际接受靶向治疗的患者比例很低(研究中仅为14.3%),且未改善12个月死亡率。

· 核心原则:检测策略不应“广撒网”,而应基于肿瘤类型、分期和对治疗选择的影响,以“临床获益”为中心,而不是以“检测出突变”为中心。

 


二、临床行动力分级:ESCAT框架(表1)



这是解读报告的“标尺”。ESMO制定了ESCAT(ESMO Scale for Clinical Actionability of molecular Targets)分级,将变异分为六个层级,帮助医生决定是否以及如何使用靶向药:


级别 定义 临床意义
Tier I 临床试验已证实该变异-药物匹配可改善预后。 最高级别,应优先使用。如NSCLC中的EGFR、ALK、ROS1。
Tier II 变异-药物匹配有抗肿瘤活性,但获益程度未知。 有证据支持,但还需更多数据。
Tier III 基于其他瘤种或类似变异的临床试验数据,推测可能获益。 超适应症用药或临床试验的候选。
Tier IV 仅有临床前证据。 仅作为科研探索或罕见病用药参考。
Tier V 虽有客观缓解率,但无临床意义(即不延长生存/改善生活质量)。 警惕,不应作为标准治疗方案。
Tier X 缺乏证据。 无临床指导价值。


解读要点:肿瘤科医生拿到报告时,首先应看突变是否落在ESCAT I级或II级。只有这些级别才直接影响当前的标准治疗选择。


三、肿瘤科医生的决策:何时检?检多宽?(关键实操)




文章对NGS检测策略提出了非常明确的实操建议,区分了“常规推荐”和“谨慎使用”的场景:


1. 推荐常规多基因NGS检测的场景:仅限晚期非鳞状非小细胞肺癌(NSCLC)前列腺癌卵巢癌胆管癌。因为这些瘤种中ESCAT I级突变频率高且有获批药物。

2. 不推荐常规大Panel的场景:对于其他癌种(如乳腺癌、结直肠癌等),在学术中心之外,应维持单基因PCR或ISH检测(如KRAS、BRAF等)。

3. 大Panel的价值限制:大Panel只在不增加额外成本患者能进入临床试验的前提下才有价值。否则,触发的“超适应症用药(Off-label)”缺乏系统性数据收集,反而可能误导治疗。

4. “超适应症”的科学化:文章推崇“药物再发现协议(Drug Rediscovery Protocol)”,即通过结构化数据收集,将超适应症用药转化为学习机会,而非盲目尝试。


四、病理科与检测前处理(Pre-analytical):报告可信度的基石



NGS报告的可信度取决于样本质量。文章强调了以下关键点:


· 肿瘤细胞含量(Tumor Cell Content):这是解读变异等位基因频率(VAF)的参照系。如果肿瘤细胞含量低(<20%),VAF低的突变可能是假阴性或克隆性造血。

· 样本类型:FFPE(福尔马林固定石蜡包埋)组织是主流,但需注意DNA降解和脱氨基人工突变。细胞学样本(如胸水、细针穿刺)也可用,但需评估细胞量。

· 检测验证:实验室必须进行严格验证,确保准确性>95%,并明确检测下限(Limit of Detection)和最低覆盖深度(Coverage)。

· 质量控制:实验室应遵循ISO15189标准并定期参加外部质评(EQA)。

 

给医生的建议:如果报告显示VAF接近检测下限(如2%-5%),或样本肿瘤细胞含量极低,需谨慎看待结果,必要时建议重新活检。


五、NGS报告的核心要素与术语解读(表2、表3、表5)




文章列出了临床报告的最低要求(表3)和标准术语(表2)。作为肿瘤科医生,需要掌握以下关键读取项:


1. 变异命名法(HGVS标准)

 
· 蛋白质水平:如EGFR p.Leu858Arg(或简写为L858R)。注意三字母代码和单字母代码均可,但报告必须注明参考序列(如NM_005228.4)。

· DNA水平:如c.2573T>G。

· 融合基因:标准格式为双冒号,如EML4::ALK。
 

2. 关键质量指标

 
·VAF(变异等位基因频率):即该突变在测序reads中占的比例。
 

 ​解读法则:VAF < 肿瘤细胞含量(如肿瘤含量70%,VAF为10%),提示该突变可能仅存在于肿瘤亚克隆中(耐药亚群)。

 生殖系提示:如果VAF接近50%或100%,且为已知胚系突变(如BRCA),需警惕遗传性肿瘤综合征。


·覆盖深度(Depth):如果某基因未达到最低覆盖深度(如<100x),则阴性结果不可信,报告应明确标注。

 

3. 变异分类(ACMG/AMP框架)

 
· 5类:致病性(Pathogenic)。
· 4类:可能致病性(Likely Pathogenic)。
· 3类:意义不明变异(VUS,Variant of Unknown Significance)。
· 2类/1类:良性/可能良性。


 
重点警示:VUS是临床最大困扰。文章强调,今天的VUS可能是明天的靶点,但当前不应基于VUS进行靶向治疗,除非有明确的临床证据或经分子肿瘤委员会讨论。


4. 样本报告示例(表5)


文章给出了一个示例报告(肺癌患者,EGFR L858R、T790M、MET扩增)。

· 解读:VAF分别为69%(主克隆)和38%(亚克隆),MET扩增(拷贝数17)。

· 临床决策:这是经典的一代TKI耐药模式(T790M + MET扩增),提示需要三代TKI(奥希替尼)+ MET抑制剂(如卡马替尼),或重新考虑化疗/免疫治疗。

 

六、数据库的选用与鉴别(表4)


面对海量突变,医生不能只依赖报告,需学会使用数据库。文章将数据库分为两类并给出了使用建议:


数据库类型 代表数据库 特点与注意事项
临床决策支持 OncoKB(MSKCC)、CIViCMy Cancer Genome 直接链接FDA/ESCAT证据等级,适合临床。CIViC是社区驱动,更新快但需注意数据质量。
基础/突变频率 COSMICClinVarTCGA 提供突变发生率、人群频率。但数据来源混杂,需谨慎用于判断“是否致病”。
遗传风险 BIC(BRCA数据库)、OMIM 用于鉴别胚系突变,指导遗传咨询。


核心建议:肿瘤科医生无需精通所有数据库,但必须知道合作病理科依赖哪个数据库,并在NGS报告中明确标注。若发现VUS,应在分子肿瘤委员会中查阅至少2-3个独立数据库进行交叉验证。


七、临床挑战与争议:当多基因突变共存时(表5)



当报告中同时出现多个可靶向突变(如EGFR L858R + T790M + MET扩增)时,挑战巨大。


1. 优先级排序:需根据ESCAT级别、突变克隆性(VAF高低)及信号通路互作(Crosstalk)来排序。例如,耐药突变(T790M)通常优先于原发突变。

2. “旁路激活”:多个驱动突变可能导致信号通路补偿,单一靶向药可能失效。文章建议在临床试验背景下考虑联合用药。

3. 遗传学筛查:如果检出BRCA1/2等胚系热点突变,必须转介遗传咨询,因为这关乎家属患癌风险,而不仅仅是患者本人的治疗选择。

 

八、总结与未来展望:以“肿瘤委员会”为中心


文章最后的结论非常务实:


· NGS不是万能药:在学术中心之外,大Panel的获益有限,不应强制推广。

· 分子肿瘤委员会(Molecular Tumor Board)是核心:它不仅是多学科(病理、肿瘤、生物信息)讨论的场所,更是将昂贵检测转化为临床获益的关键环节。它帮助医生处理VUS、解读多基因变异、提供临床试验入组机会,同时也是继续医学教育的平台。

· 医生的基础素养:肿瘤科医生无需成为生物信息学家,但需掌握基本的变异命名、VAF解读、ESCAT分级以及数据库使用能力,并具备识别“胚系突变”的敏锐度。



给临床肿瘤科医生的实操要点(快速记忆)

1. 看ESCAT:报告中的突变若属于I级,立即匹配指南用药;若为 II-III级,考虑超适应症或临床试验;若为 IV-X级,暂不干预

2. 看VAF与肿瘤含量:VAF需结合肿瘤细胞含量解读。若 VAF < 2-5%(视检测限而定),需怀疑是否为检测噪音或克隆性造血。

3. 看覆盖深度:若某基因阴性但深度不足,视为“未测出”,而非“无突变”。

4. 看VUS不要自行决定对VUS用药,必须提交分子肿瘤委员会讨论。

5. 看胚系线索:若 VAF ≈ 50% 且突变类型为移码/无义突变,必须建议患者进行遗传咨询(如BRCA、林奇综合征相关基因)。

6. 看样本质量:若报告备注“肿瘤细胞含量过低(<20%)”,对阴性结果保持高度警惕,建议重新活检。

这篇文章的核心精神是理性、审慎和协作——不盲目崇拜技术,而是将NGS作为精准医疗的工具,在证据和患者个体化需求之间找到最佳平衡。
 
 
 


个性化肿瘤治疗——适用于所有患者?





这份发表于《JAMA Oncology》的研究(Cobain et al., 2021)是密歇根大学Mi-ONCOSEQ项目的重要成果。研究基于超过1000名晚期实体瘤患者的整合基因组学数据(MET1000队列),系统评估了肿瘤+正常组织配对的DNA和RNA测序在临床实践中的实际获益。
 
以下是对该项研究的详尽解读:
 
 

一、研究背景与核心目的

尽管二代测序(NGS)已广泛用于肿瘤临床,但究竟哪些患者能从这种“基因组指导治疗”中获得最大临床获益,此前缺乏大样本的确定性证据。该研究不仅关注体细胞突变(肿瘤本身),还特别评估了胚系突变(遗传风险)和RNA测序(基因融合、表达)的额外价值。
 

  二、研究设计与方法

*   入组人群:2011.5-2018.2,共1138名晚期实体瘤患者,最终1015人(89.2%)成功完成测序(MET1000队列)。
*   检测手段:
*   DNA测序:全外显子组或1700基因靶向捕获(配对外周血/口腔拭子作为正常对照)。
*   RNA测序:肿瘤转录组测序。
*   分层标准:变异根据可操作性分为3层(Tier 1、2、3),其中Tier 1和2视为具有潜在临床可操作性。Tier 1包含经FDA批准的疗法、或具有治疗意义的致病性胚系变异(PGVs)。
*   临床终点:
*   临床获益率(CBR):接受靶向治疗持续≥6个月。
*   超常缓解(Exceptional Responders):接受靶向治疗持续≥12个月。
 

 三、核心数据发现(五大关键点)

 

1. 体细胞突变“漏斗效应”显著

*   80.5%(817/1015)的患者检出至少1个具有潜在可操作性的变异(Tier 1或2)。
*   然而,仅16.2%(132/817)的患者实际接受了测序指导的治疗(SDT)。
*   原因:患者体能差、无法入组临床试验、保险无法覆盖超适应症用药、缺乏对应靶向药等。
*   双组学贡献:DNA测序贡献了94.8%的可操作变异,但RNA测序贡献了63.5%的变异,且103个变异(10.1%)完全由RNA测序单独发现(尤其是基因融合)。
 

2. SDT的临床获益率可观

*   在接受SDT的132名患者中:
*   37.1%(49人)获得临床获益(治疗≥6个月)。
*   19.7%(26人)获得超常缓解(治疗≥12个月),最长者达39.5个月。
*   主要治疗方向:CDK4/6抑制剂(21人)、PARP抑制剂(16人)、FGFR抑制剂(11人)、免疫检查点抑制剂(ICI,29人)。
*   超常缓解的基因特征:
*   DNA修复缺陷(10例:5例同源重组修复缺陷BRCA1/2,5例错配修复缺陷MSH2等)。
*   基因融合(5例,如软骨肉瘤中发现PGR新融合,对他莫昔芬超常响应)。
*   CDK4/6通路扩增(5例)。
*   高肿瘤突变负荷(非MSI-H机制,ICI治疗使3例达完全缓解)。
 

3. 致病性胚系变异(PGV)检出率极高(重要发现)

*   15.8%(160人)检出PGV(致病/可能致病性胚系变异)。其中91.7%此前完全未知!
*   4.8%(49人)检出的PGV具有治疗相关性(如BRCA1/2、MLH1/MSH2等,提示可使用PARP抑制剂或ICI)。
*   临床影响:这些PGV不仅指导了患者本人的治疗,对患者家属的遗传筛查和早期预防也有重大价值。特别指出的是,42个治疗相关PGV(85.7%)在肿瘤中出现了体细胞二次打击,验证了其致病性。
 

4. 原发灶不明癌(CUP)迎来精准诊断

*   55名CUP患者中,50.9%(28人)通过RNA测序的“组织起源预测”被重新归类为明确诊断(如肺癌、胆管癌等),从而能接受该癌种的标准化疗。
*   CUP患者接受SDT的比例为23.6%(13人),其中53.8%(7人)获得临床获益,包含5例超常缓解。这证明了NGS在CUP中的超高临床价值。
 

5. 罕见癌种同样获益

*   在肉瘤(138例)和前列腺癌(154例)中,接受SDT后获得临床获益的患者比例分别为8.7%和6.5%,说明即便不是热门癌种,精准治疗依然有效。
 

 四、关键图表解析

*   图1(流程图):揭示了“80.5%有靶点 -> 16.2%实际用药 -> 37.1%临床获益”的转化医学瓶颈,强调“检得出”与“用得上”之间的巨大鸿沟。
*   图2(Tier分级):清晰界定了DNA和RNA测序的互补性,Tier 1级别中的“G1*”强调了具有治疗意义的胚系变异独立于体细胞变异分层,体现了研究的先进性。
*   图4(PGV):按基因和癌种展示了胚系变异分布。特别值得关注的是,在非经典的遗传性乳腺癌/卵巢癌或林奇综合征相关癌种中(如CUP、肉瘤),依然发现了较高比例的治疗相关PGV,这是支持“全面胚系检测”的有力证据。
*   图5(CUP):展示了RNA测序在“重分类”中的决定性作用(见左侧树状图),以及CUP患者从基因组信息中获得的极高临床获益率(右侧柱状图)。
 

  五、研究的局限性

1. 无随机对照:临床获益分析是回顾性和描述性的,无法直接对比“测序指导治疗”与“常规治疗”的生存优势(此前SHIVA试验曾显示NGS指导未显著改善无进展生存期)。
2. 治疗接受率低:仅13%的患者实际接受了SDT,这可能意味着全基因组测序的经济成本和实施难度在常规推广中仍有巨大障碍。
3. 单中心研究:来自密歇根大学单一机构,外部普适性有待验证。
4. 活检局限:研究基于新鲜肿瘤活检,未对比液体活检(ctDNA),且没有进行甲基化分析等前沿探索。
 

 六、结论与临床启示(颠覆性意义)

这篇研究用真实世界数据强力推动了两项临床实践变革:
1. 所有晚期癌症患者都应进行胚系(遗传)基因检测:因为无论癌种如何(哪怕是肉瘤、CUP),检出PGV的比例(15.8%)和临床治疗相关性(4.8%)都极高,且对家属有重大意义。
2. 建议将“DNA+RNA整合基因组测序”纳入CUP(原发灶不明癌)和其他罕见肿瘤的临床标准治疗:因为它不仅能精确重溯肿瘤来源,还能发现大量可靶向的体细胞突变和遗传突变,为这些传统上的“治疗荒漠”带来显著临床获益。
















顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
  • 上一篇:没有了
  • 下一篇:没有了
推荐内容