《European Journal of Cancer》:Molecular and clinical characteristics of ROS1 Fusion Variants in ROS1-rearranged Cancers: A Defined Role of Fusion Partners and Breakpoints of ROS1
编辑推荐:
本研究分析81例ROS1重排非小细胞肺癌,发现主要断点(如内含子33、34)及常见融合伴侣(如CD74、EZR)与ROS1-TKI治疗反应良好相关,而罕见断点和非典型伴侣则预后较差,提示精确的基因变异表征对治疗分层的重要性。
Ji-Seon Jeong|Yeokyeong Shin|Shinkyo Yoon|Deokhoon Kim|Josephina Sampson|Richard Bayliss|Jene Choi
韩国首尔乌山大学医学院病理学系,牙山医疗中心
摘要
引言
ROS1靶向酪氨酸激酶抑制剂(TKIs)是治疗ROS1重排癌症的标准疗法。本文研究了多种融合伙伴及变异的ROS1基因组断裂点的临床意义。
方法
我们从基于临床DNA的下一代测序队列中检索了81例ROS1重排病例,并进行了包括逆转录-聚合酶链反应(RT-PCR)、RNA测序和免疫组化染色在内的全面分析。然后将获得的数据与患者对ROS1-TKIs的反应进行关联分析。
结果
发现了与典型融合伙伴及约20种罕见融合伙伴的ROS1融合现象。ROS1断裂发生在12个外显子/内含子区域,并伴有主要断裂点。高水平的ROS1表达与主要断裂点和典型融合伙伴显著相关,而低表达则与罕见断裂点和非典型融合伙伴相关(P<0.001)。在内含子32处发生ROS1断裂的病例中,会出现外显子33的跳跃,形成框内融合;典型融合伙伴更倾向于在内含子33与内含子32之间发生断裂(P<0.001)。一线TKI治疗的第一批NSCLC患者中,内含子33和34处有ROS1断裂的患者的无进展生存率(PFSR)显著高于内含子32和罕见位置的患者(分别为80%、33.3%和0%;P<0.001)。至少有一个主要断裂点或典型融合伙伴的患者,其PFSR也显著优于同时具有两个罕见融合伙伴和非主要断裂点的患者(50.4% vs 0%,P<0.001)。
结论
与内含子33和34融合的ROS1可能是预测ROS1-TKI疗效的最佳指标。精确描述ROS1断裂点的变异对于ROS1重排癌症的患者分层非常重要。
引言
ROS1重排在全球范围内占非小细胞肺癌(NSCLC)患者的1–2%,在东亚人群中占2–3% [1]、[2]、[3]、[4]。ROS1靶向酪氨酸激酶抑制剂(TKIs)如crizotinib的出现显著改善了患者的预后 [5]、[6]。在NSCLC中最常见的EML4-ALK重排中,基于EML4断裂点的变异会影响融合蛋白的稳定性以及对ALK抑制剂的反应 [7]、[8]、[9]、[10]。
ROS1融合涉及超过20种融合伙伴,并且在内含子15–35之间有多个断裂点,而ALK重排的断裂点始终位于内含子19 [2]、[11]、[12]、[13]、[14]。CD74、EZR、SDC4、SLC34A2和TPM3被归类为典型融合伙伴,内含子31–35是NSCLC中的常见断裂点 [2]、[7]、[15]。尽管已经根据融合伙伴和断裂点分析了ROS1融合变异,但之前研究NSCLC治疗反应和预后的研究主要关注融合伙伴,结果存在差异 [12]、[16]、[17]、[18]、[19]、[20]。
我们使用靶向DNA下一代测序(DNA-NGS)、逆转录聚合酶链反应(RT-PCR)、RNA测序(RNA-Seq)和免疫组化(IHC)对ROS1重排癌症进行了全面分析,并评估了ROS1融合变异与ROS1抑制剂反应之间的相关性。
材料与方法
临床、分子和分析方法的详细说明见补充材料和方法部分。
患者队列的临床病理特征
本研究队列中的81例携带ROS1融合的患者的DNA-NGS数据已进行分析(补充表1)。主要原发肿瘤部位为肺部(76.5%),其次是脑部和胃部(6.2%),以及前列腺和软组织(2.5%)。54例(66.6%)使用了AmoyDx检测方法,其中30例呈阳性(55.6%),24例呈阴性(44.4%)。72例(88.9%)进行了ROS1 IHC检测,结果分别为46例阳性(63.9%)和26例阴性(36.1%)(图1A)。
讨论
我们发现ROS1断裂点是影响ROS抑制剂疗效的重要因素。ROS1与罕见融合伙伴或内含子32断裂点的融合与非典型融合伙伴、较低的ROS1表达及较差的临床结果密切相关。因此,我们在对可能对ROS-TKIs有反应的患者进行分层时,认为精确定位ROS1融合伙伴和断裂点比单纯检测ROS1重排更为重要。
我们分析了81例
资助
本项工作得到了韩国国家研究基金会(NRF)的资助(项目编号2020R1A2C2006815),资金由韩国政府(MSIT)提供。
作者贡献声明
Josephina Sampson:软件开发、数据分析。Deokhoon Kim:研究设计、数据管理。Shinkyo Yoon:方法学研究、数据管理。Yeokyeong Shin:方法学研究、数据管理。Ji-Seon Jeong:初稿撰写、数据可视化、方法学研究、数据分析、数据管理。Jene Choi:修订与编辑、项目监督、资金筹措、概念构思。Richard Bayliss:研究设计、数据分析。利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。