Анализ 100 000 геномов опухолей человека раскрывает ландшафт мутационной нагрузки опухоли

Analysis of 100,000 human cancer genomes reveals the landscape of tumor mutational burden
Uri Y. Tabori, Siraj Mahamed Ali, Vincent A. Miller, David A. Fabrizio, Geoff A. Otto, Jared R. White, Brittany B. Campbell, Levi A. Garraway, Adam Shlien, Garrett Michael Frampton, Franklin W. Huang, Juliann Chmielecki, Zachary Rockow Chalmers, Mark Kennedy, Daniel S. Lieber, Caitlin F. Connelly, Laurie M. Gay, Riley Charles Ennis, Alexa Betzig Schrock, Yuting He, James Sun, Steven M. Roels, Geoffrey A. Otto, Jeffrey S. Ross, P. J. Stephens, Mark Kennedy, Phillip J. Stephens
2017-04-13

мутации промотора PMS2комплексное геномное профилированиемикросателлитная нестабильностьмутационная нагрузка опухолиполнoэкзомное секвенирование
ВВЕДЕНИЕ: Высокая мутационная нагрузка опухоли (TMB) является новым биомаркером чувствительности к ингибиторам иммунных контрольных точек; было показано, что она сильнее связана с ответом на иммунотерапию, блокирующую PD-1 и PD-L1, чем экспрессия PD-1 или PD-L1, определяемая методом иммуногистохимии (IHC). Распределение TMB и доля пациентов с высокой TMB недостаточно охарактеризованы для большинства типов рака. МЕТОДЫ: В этом исследовании мы сравниваем TMB, измеренную с помощью таргетного метода комплексного геномного профилирования (CGP), с TMB, измеренной методом секвенирования экзома, и моделируем ожидаемую дисперсию TMB при секвенировании менее полного экзома. Затем мы описываем распределение TMB в разнообразной когорте из 100 000 случаев рака и проверяем связь между соматическими изменениями и TMB более чем в 100 типах опухолей. РЕЗУЛЬТАТЫ: Мы показываем, что измерения TMB методом комплексного геномного профилирования хорошо отражают измерения, полученные при полногеномном секвенировании экзома, и моделируем, что при объеме менее 0,5 Mb дисперсия измерений существенно возрастает. Мы обнаружили, что у части пациентов высокая TMB наблюдается почти при всех типах рака, включая многие редкие типы опухолей, и охарактеризовали взаимосвязь между высокой TMB и статусом микросателлитной нестабильности. Мы установили, что TMB значительно увеличивается с возрастом: разница между возрастом 10 и 90 лет составляет 2,4 раза. Наконец, мы исследовали молекулярную основу TMB и выявили гены и мутации, связанные с ее уровнем. Мы обнаружили кластер соматических мутаций в промоторе гена PMS2, которые встречаются в 10% случаев рака кожи и тесно связаны с повышенной TMB. ВЫВОДЫ: Эти результаты показывают, что CGP-анализ, охватывающий около 1,1 Mb кодирующей части генома, позволяет точно оценивать TMB по сравнению с секвенированием полного экзома. Используя этот метод, мы установили, что при многих заболеваниях значительная доля пациентов имеет высокую TMB и может получить пользу от иммунотерапии. Наконец, мы выявили новые рецидивирующие пр...
1
CGP-анализ примерно 1,1 Мб кодирующего генома позволяет точно оценивать TMB и выявлять пациентов, которые могут получить пользу от иммунотерапии ингибиторами иммунных контрольных точек.
2
Кластер рецидивирующих мутаций промотора PMS2 выявляется у 10% случаев рака кожи и сильно связан с повышенной TMB.
3
Среди 100 000 случаев рака и более 100 типов опухолей пациенты с высокой TMB встречаются почти при каждом типе рака, включая редкие опухоли.
4
Измерения мутационной нагрузки опухоли (TMB) с помощью комплексного геномного профилирования (CGP) хорошо соответствуют данным полносеквенирования экзома, тогда как при объёме секвенирования менее 0,5 Мб дисперсия существенно возрастает.
5
TMB достоверно увеличивается с возрастом: между пациентами в возрасте 10 и 90 лет наблюдается 2,4-кратная разница.

Мутационная нагрузка опухоли у 100 000 случаев рака человека, охватывающих более 100 типов опухолей

Распределение, вариабельность измерения, зависимость от возраста, связь с микросателлитной нестабильностью и соматические генетические детерминанты мутационной нагрузки опухоли

Publication Details
Publication Date
2017-04-13
Journal
Publisher
ISSN
Cited by
3593
Access Type
Author Information
Authors
Uri Y. Tabori
Siraj Mahamed Ali
Vincent A. Miller
David A. Fabrizio
Geoff A. Otto
Jared R. White
Brittany B. Campbell
Levi A. Garraway
Adam Shlien
Garrett Michael Frampton
Franklin W. Huang
Juliann Chmielecki
Zachary Rockow Chalmers
Mark Kennedy
Daniel S. Lieber
Caitlin F. Connelly
Laurie M. Gay
Riley Charles Ennis
Alexa Betzig Schrock
Yuting He
James Sun
Steven M. Roels
Geoffrey A. Otto
Jeffrey S. Ross
P. J. Stephens
Mark Kennedy
Phillip J. Stephens
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%