《Frontiers in Genetics》：Genomic innovations in cancer prevention, diagnosis, prognosis and precision therapeutics
编辑推荐：
癌症研究随着高通量基因组技术的出现经历了变革性变化。下一代测序（NGS）的进步加速了驱动肿瘤发生的体细胞和胚系改变的识别，促进了从传统基于组织学的癌症分类向分子指导的精准肿瘤学的转变。大规模测序计划和临床基因组分析推动了伴随诊断检测和靶向治疗的发展。除了靶向治
癌症研究随着高通量基因组技术的出现经历了变革性变化。下一代测序（NGS）的进步加速了驱动肿瘤发生的体细胞和胚系改变的识别，促进了从传统基于组织学的癌症分类向分子指导的精准肿瘤学的转变。大规模测序计划和临床基因组分析推动了伴随诊断检测和靶向治疗的发展。除了靶向治疗，基因组创新还催生了新型治疗策略，包括免疫基因组学驱动的免疫疗法、基于RNA的治疗、癌症疫苗和基于CRISPR-Cas系统的基因组编辑技术。本综述总结了癌症基因组学的主要技术发展，包括测序平台、转录组分析、液体活检和功能基因组筛选，并强调了这些创新在发现可操作生物标志物和下一代治疗策略中的应用。总的来说，这些进展凸显了基因组技术在推动精准肿瘤学向更个性化和更有效的癌症治疗策略演进中的核心作用。
1 引言
基因组测序技术的进步推动了现代生物医学研究和临床肿瘤学的深刻变革。过去十年间，高通量测序成本下降加速了大规模基因组学计划的全球扩展，使测序从研究实验室融入临床工作流程，尤其在癌症诊断和管理中，实现了从组织病理学分类向分子定义肿瘤亚型的范式转变。全基因组测序（WGS）、全外显子组测序（WES）和靶向测序 panels 能够系统识别驱动癌基因、肿瘤抑制因子改变和预测性生物标志物，指导预后和治疗决策。然而，基因组数据的指数增长带来了分析和解释挑战，需要计算基因组学、整合生物信息学和数据驱动决策支持系统来充分实现肿瘤基因组分析的临床潜力。
2 下一代测序：推动现代基因组学的基础技术
下一代测序（NGS）从经典Sanger测序法演变而来，2000年代中期出现的第一代NGS技术通过大规模并行焦磷酸测序实现了通量数量级提升。可逆末端终止化学（Solexa/Illumina）以显著降低的每碱基成本实现了准确的全人基因组测序，使短读长测序成为主导平台。长读长单分子技术（Pacific Biosciences和Oxford Nanopore）实现了更长的连续读长、改善重复区域组装、直接检测碱基修饰和更好的结构变异识别。混合连接读长和长读长方法改善单倍体分型和结构变异分辨率，便携性扩展了测序在即时诊断中的应用。NGS继续推动WGS、WES、RNA测序、单细胞DNA/RNA测序、空间测序、液体活检、表观基因组学和宏基因组学等工具的发展。
3 基因组工具和技术推动创新
3.1 全基因组和全外显子组测序：从概念到癌症基因组学的基石
WGS/WES将肿瘤学从组织学驱动转向基因型驱动治疗。WES聚焦于约1-2%的蛋白质编码基因组，首次成功应用于米勒综合征基因发现。癌症基因组图谱（TCGA）等计划通过WGS/WES和RNA测序绘制了数千肿瘤的基因组图谱。早期发现如EGFR激酶突变、BRAF V600E突变和ALK融合癌基因直接产生了新的治疗策略。WES/WGS和深度靶向NGS panels实现了生物标志物发现、耐药机制检测和患者选择。综合癌症测序图谱和FDA批准的临床NGS panels建立了分子肿瘤委员会和基因组指导治疗决策的基础设施。
3.2 RNA测序在肿瘤学中的应用：从转录组图谱到治疗可操作性
3.2.1 编码RNA
RNA测序（RNA-seq）通过测序cDNA分析全转录组，实现基因表达定量、可变剪接、融合转录本检测。RNA-seq在癌症诊断中提高了融合基因检测的检出率，辅助肿瘤分类和亚型区分。在预后方面，RNA-seq通过表达谱提供预后分层，并识别可靶向的治疗靶点和耐药机制。在精准肿瘤学中，RNA-seq为87%的患者提供临床可操作数据，指导靶向治疗选择。挑战包括RNA稳定性（尤其FFPE样本）和计算复杂性，但优化和计算改进正在增强其稳健性。
3.2.2 非编码RNA
非编码RNA（ncRNA）包括小ncRNA（miRNA、siRNA、piRNA）、长链非编码RNA（lncRNA）和环状RNA（circRNA），在癌症发展中起调控作用。RNA-seq通过核糖体RNA去除和大小选择进行综合检测。miRNA可作为肿瘤抑制因子或癌基因，其表达谱可区分肿瘤类型，循环miRNA是稳定的非侵入性生物标志物。lncRNA如HOTAIR促进转移，可作为预后标志物和治疗靶点。circRNA作为miRNA海绵，在体液中稳定，是非侵入性生物标志物的候选。
3.3 单细胞和空间基因组学：解码肿瘤结构
单细胞和空间基因组学提供了高分辨率剖析肿瘤细胞和微环境复杂性的能力。单细胞RNA测序（scRNA-seq）和单核RNA测序（snRNA-seq）捕获单个细胞转录组，揭示肿瘤异质性、克隆进化轨迹和肿瘤-免疫相互作用。空间转录组学保留组织架构，将基因表达映射回组织切片。这些技术改善了诊断精度、预后分层和精准医学，例如识别干细胞样亚克隆、免疫抑制细胞状态和三级淋巴结构。多组学单细胞整合（如CITE-seq、ATAC-seq与scRNA-seq结合）和纵向分析正在推动未来方向。
3.4 表观基因组学：绘制基因调控变化以寻找治疗机会
表观遗传学包括DNA甲基化、组蛋白修饰、染色质重塑和非编码RNA调控。表观基因组学通过WGBS、ChIP-seq、ATAC-seq等技术实现全基因组高分辨率映射。DNA甲基化异常（启动子高甲基化沉默抑癌基因，全局低甲基化激活癌基因）是癌症特征。组蛋白修饰和染色质可及性改变驱动癌基因表达。表观基因组生物标志物用于早期检测（如SEPT9甲基化用于结直肠癌筛查）和预后分层（如CpG岛甲基化表型）。表观遗传改变的可逆性使其成为治疗靶点，DNA甲基转移酶抑制剂（阿扎胞苷、地西他滨）和组蛋白去乙酰化酶抑制剂（伏立诺他、罗米地辛）已获批。新兴策略包括BET抑制剂、组蛋白甲基转移酶抑制剂等。
3.5 液体活检：精准肿瘤学的循环生物标志物
液体活检分析血液中肿瘤衍生生物标志物，包括ctDNA、CTC、cfDNA、cfRNA、外泌体和肿瘤衍生蛋白。ctDNA携带肿瘤特异性遗传和表观遗传改变，可检测突变、CNV和甲基化模式，用于早期检测、MRD监测和耐药性追踪。CTC是完整肿瘤细胞，其计数与预后相关，单细胞测序可分析其异质性。cfRNA（包括miRNA）和细胞外囊泡（如外泌体）提供诊断和预后生物标志物。液体活检在早期癌症检测、MRD监测和实时肿瘤基因组监测中具有应用前景，如ctDNA检测EGFR T790M突变指导奥希替尼治疗。多组学整合（ctDNA突变、甲基化和蛋白标志物）可提高诊断灵敏度。
3.6 CRISPR和功能基因组筛选：揭示癌症脆弱性
功能基因组筛选通过全基因组扰动分析细胞表型，CRISPR技术实现了基因沉默或过表达的精准调控。功能缺失筛选用于药物靶点发现，如通过CRISPR筛选识别合成致死相互作用。合成致死概念（如BRCA1/2缺陷与PARP1抑制）已成为精准肿瘤学关键策略，PARP抑制剂（奥拉帕利）已获批。CRISPR功能基因组学可快速识别新靶点，扩展合成致死疗法。
3.7 人工智能在癌症基因组学中的应用：解决复杂数据
人工智能（AI）和机器学习（ML）加速基因组分析，减少人为错误。基于深度学习的工具如DeepVariant、DNAscope、HELLO提高了变异识别的准确性和效率。AI在预测治疗反应方面表现出能力，如DeepInsight-3D预测抗癌药物反应。AI基础模型（如Owkin、CHIEF、Prov-GigaPath）在计算病理学中实现癌症检测、分子特征预测和生存预测。CHIEF能从组织病理图像直接预测MSI状态和突变。挑战包括数据标准化、算法可解释性和伦理问题。
4 基因组创新在癌症预防中的应用
4.1 胚系检测和多基因风险评分
胚系检测识别遗传性突变（如BRCA1/2），指导预后、治疗选择、手术决策和生殖选择。遗传性癌症综合征（如林奇综合征、Li-Fraumeni综合征）通过风险评估识别高危个体。多基因风险评分（PRS）整合常见遗传变异效应，量化遗传易感性，可分层乳腺癌、前列腺癌等风险。PRS补充传统风险因素，但面临跨人群可转移性差和代表性不足的问题，需建立多样本基因组数据集。
4.2 群体基因组学和筛查计划
群体基因组学利用大规模基因组数据了解遗传变异分布及其对疾病风险的影响。整合基因组数据到人群筛查中可早识别高危个体。林奇综合征通过阿姆斯特丹标准II和修订Bethesda指南识别，强调遗传筛查和早期监测。病毒相关癌症（HPV、EBV）的基因组监测包括高危基因型鉴定、整合位点分析和液体活检检测病毒DNA，用于实时监测疾病复发和治疗反应。
4.3 精准预防
精准预防从群体预防转向个体化、风险适应的干预，基于遗传、分子、环境和行为因素。化学预防包括选择性雌激素受体调节剂（SERMs）降低BRCA1/2携带者乳腺癌风险，阿司匹林降低林奇综合征结直肠癌风险。一级预防阻止疾病发生，二级预防针对癌前病变，三级预防防止复发。
5 基因组创新在癌症治疗中的应用
5.1 靶向治疗和伴随诊断
靶向治疗和免疫治疗利用患者独特基因组特征，NGS panels和伴随诊断（CDx）测试指导治疗选择。CDx测试经FDA批准，识别EGFR、ALK、BRAF、KRAS等突变，以及基因融合和扩增。EGFR靶向治疗（TKI和单抗）依赖CDx检测突变。ALK重排检测指导克唑替尼等抑制剂。KRAS曾是“不可成药”靶点，但G12C抑制剂（索托拉西布、阿达格拉西布）已获批，更多抑制剂在临床开发中。BRAF V600E突变指导维莫非尼等抑制剂。CDx还识别RET、MET、NTRK等融合和扩增。然而，耐药性（如EGFR T790M、C797S）、肿瘤异质性和克隆进化限制了疗效，需整合液体活检、单细胞测序和AI建模。
5.2 免疫基因组学
免疫基因组学解码遗传对免疫细胞行为的影响，指导免疫疗法。免疫检查点抑制剂（PD-1/PD-L1、CTLA-4）疗效受TMB、新抗原、免疫细胞浸润等因素影响。新抗原由体细胞突变产生，通过NGS和计算预测鉴定，用于个性化新抗原疫苗和CAR-T细胞。TMB作为免疫治疗反应生物标志物，通过NGS panels测量。挑战包括TMB阈值变异性和区分免疫原性突变。
5.3 基于RNA的治疗
基于RNA的治疗包括siRNA、ASO和miRNA药物。siRNA靶向癌基因（如KRAS G12D），LNP和GalNAc递送系统克服稳定性问题，临床研究（如siG12D-LODER）显示耐受性。ASO（如oblimersen）处于临床试验。miRNA模拟物（如MRX34）和拮抗剂（antimiR）在早期试验中。这些策略将基因组知识转化为特异性RNAi治疗。
5.4 癌症疫苗
癌症疫苗利用新抗原预测，包括DNA疫苗、RNA疫苗、肽疫苗和细胞疫苗。DNA疫苗（如doggybone DNA）诱导抗原特异性免疫。mRNA疫苗（如个性化新抗原疫苗）在黑色素瘤和胰腺癌中显示疗效，与免疫检查点抑制剂联合延长无复发生存。肽疫苗受MHC限制，多表位和长肽策略改善免疫原性。细胞疫苗如Sipuleucel-T（前列腺癌）已获批，树突细胞疫苗和NK细胞疫苗在开发中。原位疫苗（如T-VEC）利用溶瘤病毒诱导免疫性细胞死亡。
5.5 基于CRISPR的治疗
CRISPR-Cas9通过gRNA引导核酸酶切割DNA，实现基因编辑。在肿瘤中，直接编辑癌基因（如KRAS、MYC）或免疫细胞（如敲除PD-1）增强抗肿瘤免疫。CRISPR工程化CAR-T细胞和TIL在临床试验中显示安全性和可行性。下一代系统（碱基编辑、先导编辑）可引入精确改变而不产生双链断裂。早期临床试验（如CISH敲除TIL）显示疾病稳定和完全缓解。
5.6 CAR-T细胞治疗
CAR-T细胞疗法通过基因工程使T细胞表达合成嵌合抗原受体，靶向肿瘤抗原（如CD19、EGFR、HER2、GD2）。在血液恶性肿瘤中取得显著成功，但实体瘤面临抗原异质性、TME免疫抑制、T细胞耗竭和毒性等挑战。CRISPR编辑可敲除PD-1、产生同种异体CAR-T。下一代工程包括共表达趋化因子受体（如CXCR5）和B7-H3靶向CAR-T。毒性包括细胞因子释放综合征（CRS）和神经毒性（ICANS）。单细胞RNA测序、BCR/TCR测序和CRISPR筛选整合改善靶点选择和安全性。
6 基因组指导精准肿瘤学的局限性：真实世界挑战
6.1 基因组检测利用不足
NGS检测在临床实践中利用不足，原因包括报销政策不一致、高自付费用、医生对基因组解释认知有限、机构实践差异、碎片化报告系统和缺乏标准化生物信息学流程。分子肿瘤委员会和电子病历整合不足也阻碍了采用。
6.2 成本和可及性差异
经济不平等是精准肿瘤学全球实施的主要障碍。低收入和中等收入国家在先进诊断、靶向治疗和细胞治疗方面获取不足。尽管测序成本下降，但综合基因组分析、液体活检和个性化疗法（如CAR-T）仍然昂贵。需投资基础设施、公平报销框架和国际合作。
6.3 监管和伴随诊断挑战
监管路径差异（FDA、EMA、PMDA）导致全球靶向治疗可及性不均。伴随诊断开发滞后，监管框架常优先传统临床终点而忽略患者报告结局。临床试验以欧裔人群为主，缺乏多样性，影响生物标志物普遍性。
6.4 临床采纳差距
精准肿瘤学实施需要临床工作流程、多学科协作、患者参与和政策支持。人员不足、咨询时间有限、报销模式不充分和后勤限制阻碍采纳。患者报告结局系统实施困难，低收入国家缺乏生物技术基础设施和专业人员。
6.5 基础设施和专业知识限制
实施精准肿瘤学需要先进实验室、高通量测序平台、计算资源和多学科专业知识。许多资源有限环境缺乏这些基础设施。分子病理学家、生物信息学家和精准肿瘤学专家全球短缺。数字肿瘤学和AI辅助系统有潜力，但面临互操作性、数据标准化和质量变异问题。
7 结论和未来展望
基因组技术已根本改变癌症研究和临床肿瘤学。NGS、大规模基因组计划和计算分析实现了系统识别驱动癌基因、耐药机制和可操作生物标志物，推动了从传统治疗范式向基因型指导的精准肿瘤学转变。伴随诊断平台将基因组发现转化为临床实践。免疫基因组学、RNA治疗和CRISPR编辑技术提供了新策略。未来方向包括多组学技术整合、单细胞测序、空间转录组学、长读长测序和下一代CRISPR系统（碱基编辑、先导编辑）。AI、ML和DL分析平台将成为癌症基因组学不可或缺的部分，减少分析时间和人为错误，加速向高度个性化、基因组指导的癌症预防、诊断和治疗转变。
