EN

dPCR用于肺癌ALK基因检测研究,J. Cancer Res. Clin. Onc., 2020

发布日期:2020-03-09

发表文献网址: https://doi.org/10.1007/s00432-020-03166-1


摘要

2020年3月3日, 北京协和医院病理科曾瑄教授团队在《Journal of Cancer Research and Clinical Oncology》发表题为 “ALK detection in lung cancer: identification of atypical and cryptic ALK rearrangements using an optimal algorithm” 的研究论文,该研究使用新羿TD-1数字PCR平台,采取融合诱导的不平衡转录分析(Fusion-induced asymmetric transcription assay, FIATA)策略,比较了逆转录微液滴数字PCR(RT-ddPCR)法与IHC和FISH在非小细胞肺癌ALK融合检测中的优势,并提出了更优化的临床ALK检测策略。

dPCR用于肺癌ALK基因检测研究,J. Cancer Res. Clin. Onc., 2020


研究背景

间变性淋巴瘤激酶(ALK)基因融合变异是非小细胞肺癌(NSCLC)中的一类重要驱动突变,突变率5-7%。ALK基因的常见融合伴侣是棘皮动物微管相关蛋白4(EML4),近年还发现了其他较少见的融合伴侣基因,如TFG,KIF5B,HIP1和KLC1等。大约80%的ALK融合变异为EML4–ALK融合,20%为ALK与其他伴侣基因的融合。NSCLC的ALK融合变异对crizotinib,ceritinib,alectinib,brigatinib和lorlatinib等ALK抑制剂表现出良好的响应性。因此,对ALK融合变异状态的准确评估对于NSCLC的治疗至关重要。


方法与结果

dPCR用于肺癌ALK基因检测研究,J. Cancer Res. Clin. Onc., 2020

研究选取了182例石蜡组织(FFPE)标本,分别用RT-ddPCR、IHC和FISH方法检测,对三种方法不一致或异常的标本用NGS、RT-PCR或RNA原位杂交(RNAscope)法进行验证。检测结果发现,RT-ddPCR法检测出63例ALK阳性标本,IHC和FISH法各检测出62例ALK阳性标本,经过对不一致标本进行验证,RT-ddPCR结果全部正确,IHC和FISH各有1例假阴性。RT-ddPCR还发现了2例标本中ALK表达模式异常,经验证发现1例标本中存在罕见的融合异质性,标本中同时有EML4-ALK (E7:E14)和DGKI-ALK (E29:E16),结果如下图:

dPCR用于肺癌ALK基因检测研究,J. Cancer Res. Clin. Onc., 2020

d8b2dba0a4709e78dc5168ce597d333.png

检测ALK基因5′端RNA低表达情况,使用新羿dPCR平台,可以检出低至5′端1.6拷贝RNA表达量,验证5′端低表达情况。


5例结果不一致或异常的标本验证结果如下表:

dPCR用于肺癌ALK基因检测研究,J. Cancer Res. Clin. Onc., 2020

基于以上结果,研究者认为:

1)三种方法没有发现假阳性,而IHC和FISH都存在假阴性,所以在临床实践中更应关注假阴性问题。

2)临床实践中,IHC阴性标本往往不会用FISH或NGS复核,导致假阴性患者失去靶向治疗机会, 而RT-ddPCR可以最大限度减少假阴性。

3)FISH检测会受主观因素影响,有部分标本因判读困难而导致漏检,结果不如RT-ddPCR客观。

4)NGS方法也会有一定比例的假阴性,且实验流程和数据分析复杂,检测周期长。

5)基于荧光定量PCR的RT-PCR法只能检测部分已知融合,也会有假阴性。

综合以上发现,研究者提出了在临床实践中更优化的ALK检测方案:如先用RT-ddPCR和IHC进行筛查,对结果不一致的标本再用FISH或NGS或RT-PCR复核。该策略的优势是准确性好,可以最大限度避免假阴性;检测时间短;性价比高。如下图:

dPCR用于肺癌ALK基因检测研究,J. Cancer Res. Clin. Onc., 2020


研究结论

该研究很好体现了数字PCR技术在检测基因融合变异方面的优势,结合FIATA策略,不受融合伴侣和融合位点影响,能够准确发现导致ALK基因转录异常的基因融合,同时检测已知和未知融合变异,避免假阴性,而且实验操作简单,检测周期短,性价比高。


作者简介

刘媛媛为该论文的第一作者,曾瑄教授为论文的通讯作者。

参考文献

Liu, Y., Wu, S., Shi, X. et al. ALK detection in lung cancer: identification of atypical and cryptic ALK rearrangements using an optimal algorithm. J Cancer Res Clin Oncol (2020).
https://doi.org/10.1007/s00432-020-03166-1