《International Journal of Molecular Sciences》:Refining the TCGA Framework: The Pivotal Role of Targeted Next-Generation Sequencing in Resolving Diagnostic Ambiguities in Endometrial Cancer—Systematic Review
基于组织学检查的子宫内膜癌分型往往无法准确预测患者的治疗结局。癌症基因组图谱(TCGA)提出了一种新的分子模型,能够更准确地识别肿瘤亚型,从而实现更精准的治疗。然而,该模型在日常实践中的推广应用仍面临挑战。本系统综述评估了靶向二代测序(NGS)在优化TCGA模型及解决这些诊断ambiguities方面的关键作用。研究人员使用PubMed、Scopus和Embase数据库进行了系统综述,重点关注主要发表于2019年至2025年之间的研究。研究分析了关于靶向NGS panel、替代标志物以及子宫内膜癌分子亚型临床意义的原始研究和临床指南。根据PRISMA指南,共纳入11项相关研究。NGS具有关键意义,尤其在检测无法通过传统免疫组织化学(IHC)识别的POLE基因突变方面。研究证实,NGS能够准确分类具有多种分子特征的肿瘤。尽管测序需要更多时间和资源,但它提供了更客观且可重复的诊断模型。此外,目前NGS panel可将患者分为四个预后组,其中POLE亚型的生存率达100%。在独立报告的队列中,NGS与IHC在MMR/p53状态检测上的一致性根据平台和基因靶点的不同约为65%至98%,基于NGS的胚系检测在筛查患者中识别出9–10%的林奇综合征;靶向panel还可检测与PARP抑制剂适用性相关的同源重组修复 alterations(如BRCA1/2、ATM、CHEK2)。NGS与免疫组织化学联合应用能够实现对子宫内膜癌患者最准确的诊断。这种联合方法减少了诊断错误,同时也为个体化治疗决策提供了基础。将靶向测序作为标准临床工具引入,可提高肿瘤分类的精确性,并改善患者护理质量。
1. 引言
1.1. 流行病学与危险因素
子宫内膜癌(EC)是全球女性第六大常见恶性肿瘤。大多数病例(超过90%)在50岁以上女性中诊断,平均年龄为63岁。约4%的EC患者年龄在40岁以下。其发病率在不同地区存在差异,目前北美和西欧报告的病例数最高,是其他大陆的10倍。在这些地区,它是女性生殖道最常见的癌症。在欠发达国家,危险因素较少见,但该病的死亡率相对较高。在欧洲,子宫内膜癌是最常见的妇科癌症,2018年估计新发病例121,578例,死亡29,638例,且随着人口老龄化和肥胖率增加,其发病率持续上升。目前主要危险因素为高雌激素状态和肥胖。其他危险因素可根据与雌激素水平的关联进行分类:第一组包括初潮过早、绝经晚期、他莫昔芬治疗和不孕(包括无排卵和多囊卵巢综合征);第二组与激素状态无关,包括高血压、糖尿病、50岁以上、甲状腺疾病、子宫内膜癌家族史和林奇综合征。相反,长期使用复方口服避孕药已被证明具有保护作用,可显著降低EC风险。
1.2. 生存与预后
EUROCARE-5研究报告2000至2007年间诊断的欧洲女性5年相对生存率为76%,东欧为72.9%,北欧为83.2%。大多数EC病例在I期确诊,此时癌症尚未十分进展,5年生存率超过95%,与II期相同。然而,出现区域扩散或远处转移时,5年生存率下降。III期或IV期诊断时,5年生存率仅为60%。
1.3. 临床表现与诊断
EC的主要症状且常为首发临床表现是异常生殖道出血,围绝经期和绝经后女性均有报告。然而,该症状并非特异性,也可能提示其他疾病。有时癌症症状可能不直接指向生殖器官问题,如疼痛、腹胀、便秘或腹泻。因此,当前子宫内膜癌的诊断方法需要不断发展。
林奇综合征与错配修复筛查
约3%的子宫内膜癌,以及约10%的错配修复缺陷(MMRd)或微卫星不稳定子宫内膜癌,与MMR基因MLH1、PMS2、MSH2和MSH6之一的胚系突变因果相关。子宫内膜癌是林奇综合征(LS)女性最常见的肠外肿瘤和前哨癌,约半数LS女性以子宫内膜癌作为其初始恶性肿瘤。70岁时子宫内膜癌的累积发病率因受累基因而异,MLH1为34%,MSH2为51%,MSH6为49%,PMS2为24%。因此,推荐对所有子宫内膜癌(无论组织学亚型和患者年龄)进行MMR状态或微卫星不稳定性检测,既用于识别LS风险增高的患者,也用于诊断、预后和预测目的。MMR蛋白免疫组织化学是首选方法,因其广泛可用、成本效益高,并能提示哪个基因或蛋白发生改变;分子微卫星不稳定性检测是替代方法,但更费力、需要非肿瘤组织,且不能识别受累基因。重要的是,肿瘤中MMR缺陷结果本身并不能诊断LS,因为MMRd和微卫星不稳定性常由散发性事件(如双等位基因体细胞突变或启动子高甲基化)引起。因此,两种方法在MLH1/PMS2表达缺失的病例中均需分析MLH1启动子甲基化状态,并在无高甲基化时建议转诊遗传咨询。LS相关子宫内膜癌的确诊需要基于NGS的MMR基因胚系突变检测。这种逐步方法对基于NGS的分子分型的重要意义在第2节中讨论。
1.4. 治疗选择
子宫内膜癌的标准手术治疗是全子宫切除术加双侧输卵管卵巢切除术,微创手术是首选方法,包括高危疾病患者。前哨淋巴结活检是I期和II期疾病淋巴结分期的系统性淋巴结清扫的可接受替代方案,在无肌层浸润的病例中可省略。对于45岁以下、低级别子宫内膜样癌且肌层浸润低于50%的特定绝经前患者,可考虑保留卵巢;而对于不典型增生或无肌层浸润的1级子宫内膜样癌患者,可提供孕激素保留生育治疗。辅助治疗由分配的预后风险组指导。低风险疾病不推荐辅助治疗;中风险组推荐阴道近距离放疗以减少阴道复发;高风险疾病推荐外照射放疗联合同步及辅助化疗,或序贯化疗和放疗。晚期或复发性疾病中,激素治疗是低级别且无快速进展肿瘤的首选一线全身治疗,而卡铂联合紫杉醇是标准化疗方案。分子分型越来越多地用于细化这些决策,而不仅仅描述预后。在PORTEC-3试验的分子分析中,p53abn肿瘤患者从联合化放疗中显著获益,5年无复发生存率为58.6%对比单纯放疗的36.2%;而POLEmut肿瘤患者在两个治疗组中均有良好结局,支持在该亚组中考虑降阶梯治疗。MMRd肿瘤未观察到添加化疗的获益。因此,当前指南建议,对于基于致病性POLE突变被归类为低风险的I–II期疾病,应考虑省略辅助治疗。免疫检查点抑制代表另一种亚型导向的选择:派姆单抗已获批用于常规治疗进展的MSI-high/MMRd实体瘤,派姆单抗联合仑伐替尼已获批用于微卫星稳定型子宫内膜癌的二线治疗。MMR状态对免疫检查点抑制剂治疗的预测价值是所有子宫内膜癌均应进行MMR/MSI检测的四个原因之一。最后,p53abn亚组已被证明表现出同源重组缺陷(HRD)的分子特征。伴有野生型等位基因杂合性缺失的胚系BRCA相关子宫内膜癌几乎完全属于TP53突变的TCGA亚组(91.7%),并显示出拷贝数高水平,而无此类缺失的肿瘤则分布于所有四个分子亚组。这为在该人群中评估聚(ADP-核糖)聚合酶(PARP)抑制剂提供了依据,并已指出p53abn肿瘤患者可能从化放疗中加入PARP抑制剂中获益。需要强调的是,胚系BRCA携带者中发生的肿瘤并非默认存在同源重组缺陷,因此可能对靶向该修复缺陷的治疗无反应,这就是在评估PARP抑制剂敏感性时应考虑杂合性缺失状态的原因。PARP抑制剂目前并非子宫内膜癌标准治疗的一部分,其作用仍在研究中。
1.5. 子宫内膜癌的分子分型
历史上,EC被分为两种基本临床类型,其显微镜下外观和病程不同。I型由雌激素依赖性肿瘤组成——诊断更常见,恶性程度低,预后较好。II型与雌激素效应无关,发生率较低,但恶性程度高、预后差、死亡率高。2013年,癌症基因组图谱(TCGA)基于整合的基因组、转录组和蛋白质组分析提出了新的肿瘤特征描述,从而划分出EC的四种分子亚型[12]。所有亚型列于表1。
1.5.1. TCGA分型
本综述所依据的基本分子分型源自2013年一项涵盖373例子宫内膜癌的TCGA分析。该研究利用整合的基因组、转录组和蛋白质组测序定义了四种预后不同的亚型,包括:POLE-超突变型(约7%)、伴有微卫星不稳定性的超突变型(约28%)、低拷贝数型(约39%)和高拷贝数型(约26%)。
1.5.2. 替代分类器:ProMisE和TransPORTEC
尽管TCGA分析提供了一个具有生物学信息意义的框架,但所用方法不适用于常规诊断工作:它们依赖需要特殊处理的新鲜冷冻肿瘤材料,以及被认为过于昂贵而无法常规临床使用的成本高昂的复杂方法。因此,两个研究小组开发了实用检测方法,利用大多数病理实验室可应用于福尔马林固定石蜡包埋(FFPE)材料的技术,识别四个相似但不相同的分子亚组。子宫内膜癌主动分子风险分类器(ProMisE)是一个基于蛋白质或突变存在与否的二元参数决策树。肿瘤依次评估:首先通过MMR蛋白免疫组织化学,然后通过POLE外切酶结构域测序,最后通过p53免疫组织化学,产生MMR-D、POLE EDM、p53野生型和p53异常亚组。MMR检测被有意放在第一位,因为该信息可促进早期转诊至遗传性癌症项目进行林奇综合征检测。ProMisE已完成美国医学研究所制定的组学测试开发框架的发现、确认和验证阶段,最后阶段是在452例连续子宫内膜癌的人群队列中进行的。由于这些替代检测可在FFPE材料上工作,它们也可应用于术前获得的诊断标本,而原始TCGA方法则不能。在诊断性活检或刮宫标本与后续子宫切除标本上进行的分子分型的一致性在两个独立系列中接近完美,kappa统计量为0.86(n=57)和0.88(n=156),远远超过同一标本类型之间组织学类型(kappa 0.44)和分级(加权kappa 0.70)的一致性。因此,分子亚型从首次诊断时即可获得,并可指导手术时机和范围。与PORTEC-3试验相关的TransPORTEC联盟开发了一种类似方法,结合p53免疫组织化学、基于PCR的微卫星不稳定性检测和POLE外切酶结构域的Sanger测序,最初在116例高危子宫内膜癌中,随后在来自PORTEC-1和PORTEC-2试验的834例早期子宫内膜样癌中。在后一项分析中,分子分型在超过96%的病例中可行,并且与既定的临床病理因素整合后,比单独临床病理评估产生了更强的风险模型。需要强调的是,这些分类器并不等同于原始TCGA分型,而是其临床可行的近似方案,并且两种系统在技术实施上存在差异:ProMisE使用POLE外显子9–14的超深度靶向测序,而TransPORTEC研究使用外显子9和13的Sanger测序。
1.6. 二代测序
二代测序(NGS)是实现这种分型的技术。它是一种高通量方法,允许并行测序数百万个DNA片段,从而能够分析靶向基因panel、整个外显子组或整个基因组。NGS的具体应用取决于特定的临床问题和所用的测序化学。测序化学包括可逆终止子化学等过程。根据临床问题,NGS可用于分离和分析基因组的不同部分。其应用可分为全基因组测序(WGS)、靶向基因组测序、染色质免疫沉淀测序(ChIP-seq)和RNA测序(RNA-Seq)。WGS涉及对整个基因组进行测序,获得最完整的基因组图谱,这对于研究复杂表型性状和疾病非常重要。该方法的一个局限性是WGS通常以相对较低的测序深度进行,从而降低了对低等位基因频率变异的敏感性。提高检测此类变异所需的深度会增加成本、周转时间和计算负担。尽管产生大量需要处理的数据,WGS具有巨大的临床潜力,可能有助于精准医学。在已经确诊疾病的情况下,最常使用靶向基因组测序这一首选方法。它既提供了对所研究基因组区域更大的覆盖度,也更经济。ChIP-seq绘制蛋白质-DNA相互作用和组蛋白修饰,而非DNA序列变异,因此它是一种研究工具,而非临床实践中用于EC分子分型的方法。RNA-Seq用于基因表达分析以及新转录本和异构体的检测,并可识别诊断和预后生物标志物。其准确性高度依赖于RNA输入的质量和数量,而RNA比DNA更容易降解,这限制了其在常规FFPE诊断中的应用。因此,RNA-Seq和ChIP-seq均不作为EC分子分型的主要方法,本综述其余部分聚焦于WGS、靶向NGS和IHC方法。由于子宫内膜癌的分子分型可通过基于蛋白质或基于序列的方法进行,并且每种方法解决分型的不同部分,表3比较了免疫组织化学、靶向NGS panel和全基因组或全外显子组测序的主要特征。
1.7. 综述目的
本系统综述旨在评估靶向二代测序在优化基于TCGA的子宫内膜癌分子分型中的作用,特别关注免疫组织化学无法解决的诊断ambiguities,即POLE突变的检测和具有多种分子特征肿瘤的分类。
2. 材料与方法
2.1. 研究设计
本系统综述按照2020年《系统综述和荟萃分析优先报告条目》(PRISMA)指南进行。这是一个关于靶向二代测序(NGS)在癌症基因组图谱(TCGA)子宫内膜癌(EC)分子分型中作用的已发表文献的系统综述。综述方案已在国际前瞻性系统综述注册库(PROSPERO)注册,注册号为CRD420261356093。完整的PRISMA 2020清单见补充材料。
2.2. 检索策略
于2025年10月开始检索关于NGS在子宫内膜癌中应用的文章。在PubMed、Scopus和Embase电子数据库中进行了全面文献检索。检索主要覆盖2019年至2025年间发表的研究,但基于实质性原因纳入少数较早研究。使用的检索词包括:“endometrial cancer” AND “next-generation sequencing”(PubMed—364条,Scopus—474条,Embase—428条),“targeted sequencing” AND “endometrial cancer”(PubMed—512条,Scopus—304条,Embase—465条),“endometrium” AND “TCGA”(PubMed—57条,Scopus—1219条,Embase—142条),“endometrial cancer” AND “immunohistochemistry”(PubMed—1156条,Scopus—3544条,Embase—2180条),“endometrial cancer” AND “molecular classification”(PubMed—543条,Scopus—960条,Embase—734条),“next-generation sequencing” AND “immunohistochemistry” AND “endometrial cancer”(PubMed—135条,Scopus—263条,Embase—188条)。
2.3. 纳入标准
纳入符合以下标准的研究:在同行评审期刊上发表的原始研究论文、系统综述、临床实践指南和叙述性综述;使用TCGA框架或TCGA替代分类器(包括ProMisE和TransPORTEC)进行子宫内膜癌分子分型的研究;评估靶向NGS panel、全外显子组测序在子宫内膜癌分子亚型分型中应用的研究;比较基于NGS的方法与基于免疫组织化学(IHC)或其他分子方法在子宫内膜癌分型中的研究。还重点关注评估基于NGS的分子分型在子宫内膜癌中的临床实用性、诊断准确性、预后意义和治疗影响的研究。所有纳入研究必须以英文发表。排除少于三名患者的病例报告,除非其提供了与综述目标相关的独特分子信息(例如使用NGS评估的同步子宫内膜癌和卵巢癌)。在论文撰写期间,无原始数据的社论、评论或致编辑的信函也被排除。如果非英文文章没有可用的翻译,也被排除。未使用已撤回或撤销的出版物。
2.4. 研究选择
五名评审员(N.G., J.O., K.L., A.T., K.M.)独立评估文章标题和摘要,以确定符合纳入标准的研究。然后同一五名评审员评估潜在相关报告的全文。任一阶段的不一致通过讨论解决。当无法达成共识时,指定六名不同评审员(N.P., J.P., I.P., E.T., A.K., K.K.)进行裁决。共识别出13,669条记录(PubMed n=2767;Scopus n=6764;Embase n=4138)。其中13,266条在筛选前被移除(重复记录n=3142;2019年前发表的记录n=4580;因其他原因移除的记录n=5544——包括标题审查后被认为与子宫内膜癌或分子分型/二代测序无关的记录,反映了各检索词范围广泛)。这些记录在初始相关性筛选中被移除,该筛选在正式分析其余记录的标题和摘要之前进行,留下403条记录进行标题和摘要筛选。在此阶段,322条记录被排除,因为标题和摘要表明该研究未涉及子宫内膜癌的分子分型或NGS的使用,因此无需全文审查即可拒绝。其余81篇报告被检索获取;其中19篇无法获得,留下62篇报告进行全文资格评估。第二次评估应用完整的纳入标准,包括所进行的测序类型、所使用的分型系统以及比较数据或结果数据的可用性——这些均无法仅从摘要中可靠确定。其中51篇被排除(无关于NGS-based EC分子分型的原始数据18篇;方法学细节不足以进行质量评估14篇;不符合纳入标准的综述13篇;结果与综述目标无关6篇),最终纳入11篇研究,全部列于表4。完整的PRISMA 2020流程图见图1。每项研究的摘要见补充材料(表S1)。
2.5. 数据提取
数据由五名评审员使用标准数据提取表独立收集。提取变量汇总于表5。任何差异通过讨论或咨询第六和第七名评审员解决。
2.6. 质量评估
纳入研究的方法学质量使用设计特异性工具进行评估:诊断准确性和平台一致性研究(n=6)使用诊断准确性质量评估工具-2(QUADAS-2)评估,而观察性队列研究(n=4)在纽卡斯尔-渥太华量表(NOS)的选择、可比性和结果域进行评估。单例病例报告(n=1)进行定性评估。使用robvis可视化工具生成偏倚风险图。评估由两名评审员独立进行,差异通过共识解决。纳入研究的 methodical 质量和各域偏倚风险判断总结于下图2和图3。纳入研究的方法学质量令人满意,大多数领域在两个评估工具中被评估为低系统性错误风险。在使用QUADAS-2评估的六项研究中,患者选择、参考标准和研究设计及持续时间主要被评估为低偏倚风险,反映了设计良好的诊断比较。需要谨慎的主要领域是指标测试,盲法的使用并非总被明确报告(Guo等人、Yoshimura等人、Paratore等人和Jamieson等人),而只有两项研究(Dedeurwaerdere等人和Rivera等人)识别出个别高风险域。然而,这一深入分析并未削弱整个证据库中观察到的一致性总体模式。在使用NOS评估的四项队列研究中,样本选择和结果确定总体良好,而可比性是主要需要谨慎解释的领域。只有一项研究(Alba Mota等人)引发了额外担忧。总之,这些结果证实了关于靶向二代测序(NGS)在改进基于TCGA的分子分型中作用的证据库总体稳健,而所识别的局限性反映了纳入队列的探索性、真实世界性质,而非研究设计的系统性缺陷。
2.7. 数据合成与分析
鉴于纳入研究的研究设计、分子平台和结果指标的多样性,本论文侧重于描述性综合。研究被组织为几个主题领域。第一个领域涉及子宫内膜癌的流行病学和危险因素,强调改进分子分型的临床需求。第二个领域概述了TCGA分子分型框架,包括四个分子亚组及其预后意义,重点纳入如PORTEC-3分子分型等里程碑式研究。第三部分聚焦于分子诊断方法,描述和比较基于IHC、多重免疫荧光/免疫组织化学、基于PCR的MSI检测和基于NGS的方法等替代分类器。第四部分涉及NGS技术和平台,涵盖靶向NGS的技术原理,包括文库制备、测序化学和生物信息学流程。第五个领域评估了靶向二代测序(NGS)在子宫内膜癌分子分型中的临床实用性,总结了NGS在解决诊断不确定性、重新分类最初使用基于免疫组织化学(IHC)方法分类的肿瘤、识别共发生的分子改变和检测林奇综合征方面的证据。第六部分比较了NGS与其他分子方法,分析了NGS与IHC/PCR方法之间的一致性、差异性和互补性。第七个也是最后一个领域关注NGS实施的局限性和障碍,涵盖成本、基础设施、生物信息学专业知识、周转时间和标准化相关挑战。由于研究项目和分子平台的异质性,未进行森林图分析或荟萃分析。
3. 结果
2025年,Qiuli Teng等人发表了一项研究,采用简化的单步NGS panel,包括POLE、TP53和微卫星不稳定性(MSI)对EC进行分类。他们回顾性收集了233份FFPE样本。131例患者可获得总生存期(OS)数据,中位随访66个月。提取基因组DNA,随后使用单步NGS panel进行分析,包括TP53、POLE和MSI的测量。对具有MSI-H和CNL亚型DNA的患者进行了全面基因组分析。研究结果显示,233例患者中分子分型率为:POLE亚型8.15%,MSI-H亚型18.88%,CNH亚型11.59%,CNL亚型61.37%。此外,POLE亚型患者的10年总生存期(OS)和疾病特异性生存期(DSS)率最高(100%),而CNH亚型患者仅为33.51%和39.69%。他们的发现表明,这种简化的基于NGS的分类器可以有效地将EC患者分为四个预后分子亚型。
在Guo等人(2024)的一项回顾性研究中,将覆盖46个基因的紧凑NGS panel应用于331例子宫内膜癌患者,其中284例为子宫内膜样癌。结果显示与IHC在MSI-H/MMR状态上的一致性为91.8%,在p53/TP53状态上的一致性为65.3%。此外,研究在以下同源重组修复基因中识别出致病性变异:BRCA1 3.6%,BRCA2 9.7%,ATM 12.7%,CHEK2 2.7%。这些改变对评估PARP抑制剂在子宫内膜癌中的潜在相关性具有重要意义,尽管该方法目前不是标准临床管理的一部分,仍处于研究阶段。另一项基于NGS的ProMisE检测也针对原始ProMisE分类器进行了验证。两者均显示出高度一致性,同时保持预后价值。这支持基于NGS的分子亚型分型可直接应用于初诊时收集的活检材料。
这一一致性模式得到一项涉及49份肿瘤样本的既往比较研究的证实,其中基于NGS的MSI检测与IHC方法相比AUC为0.93,同时匹配并超越了PCR和Idylla平台的表现,后两者的AUC均为0.91。当肿瘤细胞含量达到至少30%时,所有三种分子检测均达到100%的敏感性和特异性。与筛查算法一致,基于NGS的亚型分型直接支持林奇综合征的识别。在该队列中,90例EC患者按分子亚型分类,其中POLE 12.2%,MMRd 21.1%,p53abn 6.7%,NSMP 60%。在该组中,MMR基因胚系测序在90例患者中识别出9例致病性变异,占10%。其中7例属于MMRd分子亚型,2例属于NSMP亚型。这强调分子亚型本身不能替代胚系检测。
NGS应在检测结果可直接影响治疗决策且针对所检测分子改变已有获批靶向治疗的情况下进行。除子宫内膜癌外,NGS还用于其他癌症,如肺腺癌、卵巢癌、前列腺癌和胆管癌。在其他类型癌症中,NGS可在临床试验、同情使用或研究性治疗的早期准入计划背景下考虑,或当标准治疗选择已经用尽时考虑。
其他分子方法
医学的持续发展不仅推动了使用新药的创新疗法,也导致了疾病诊断和检测方法的变化。在肿瘤学中,技术进步带来了显著进展,包括癌症分子分类的确立。虽然子宫内膜癌的组织学分类仍然是评估的基础并指导临床决策,但分子分类的重要性显著上升。这两种方法的结合已被证明有助于更精确地确定特定癌症类型,从而选择最合适的治疗干预措施并改善患者预后。此外,它促进了聚焦于靶向治疗的临床试验设计。这在复杂情况、预后差的病例或子宫内膜癌复发中尤为重要。IHC是一种众所周知的基于抗原的技术,用于检测肿瘤组织中特定蛋白的表达。它可以表征细胞表型,包括增殖、凋亡、分化标志物或特定肿瘤受体。该方法已被证明仅能检测组织切片上的单一标志物,从而限制了肿瘤微环境(TME)的综合分析。这种现象使细胞间相互作用分析和单细胞内标志物共表达的确定变得复杂。还应注意,染色可能重叠或在视觉上相互干扰,尤其是在使用多种色原时。此外,传统IHC在评估复杂细胞系统(如免疫浸润)方面可能不足。因此,正在开发新技术以增强IHC并提高其能力。其中一种技术是多重免疫荧光(mIF)——它通过同时使用多种荧光染料,在单个组织样本中检测多种蛋白质标志物。此外,对TME中细胞及其相互作用的空间分析是进一步研究的潜在途径。该方法在癌症免疫治疗领域尤为重要,因为它有助于识别不同的免疫细胞群,有助于识别预后和预测性生物标志物,促进免疫应答评估和免疫治疗疗效监测。精确执行时,mIF已知具有高敏感性和特异性;然而,荧光染料容易发生光漂白,这是一种光降解形式。标志物panel的验证和优化、高级数据分析和专用软件是将该方法引入临床实践所面临的一些挑战。现阶段,mIF结果必须与IHC结果相关联。类似地,多重免疫组织化学(mIHC)也是一种能够精确确定肿瘤免疫谱的技术。这种标志物检测方法基于酶促显色反应,也允许检测多种蛋白质标志物;然而,检测的蛋白质标志物数量少于mIF。与传统IHC方法一样,该过程中也可能出现颜色重叠问题,降低其整体敏感性。mIHC在常规诊断中的实施因其较低的硬件要求、染色稳定性和简化的图像分析而更为便利。
个体化治疗过程需要开发一种算法,通常结合多种技术,使分子分型尽可能精确。Rios-Doria等人进行的一项研究整合了二代测序(NGS)和IHC数据,评估分子分型的一致性和完整性,并考虑其临床实用性。研究共纳入1834例患者,子宫内膜癌亚型分布如下:NSMP 31.3%(575/1834),MMRd 23.3%(428/1834),p53abn 40%(734/1834),POLEmut 5.3%(97/1834)。p53/MMR的IHC与NGS数据之间观察到高度一致性,百分比超过95%。NGS对于识别POLEmut至关重要,因为POLEmut无法通过IHC识别。此外,6%的病例表现出超过一个分子组特征,如同时存在POLEmut和p53abn。在此类病例中,POLEmut在预后上占主导地位,与之前研究结果一致。因此,POLE检测应被视为子宫内膜癌分类的强制性组成部分,这需要实施NGS技术。整合IHC和NGS的算法已被证明有效且临床可行。IHC足以评估MMRd和p53abn,而NGS是检测POLEmut所必需的。NSMP通过排除法分类。在有限病例(例如MMR和p53 IHC阴性)中实施测序已被证明可在维持最佳分类准确性的同时提高成本效益和诊断效率。作者提出的新诊断路径有可能在常规临床实践中实施。
4. 讨论
EC的诊断格局目前正经历范式转变,从纯形态学评估转向整合的分子-病理学方法。虽然IHC仍然是基本工具,但其作用正日益被NGS补充。IHC中使用的关键标志物包括p53、错配修复标志物mutS同源物(MSH-6)和减数分裂后分离增加(PMS-2)。最常见的异常IHC模式涉及MLH-1/PMS-2或MSH-2/MSH-6复合物缺失,以及MSH-6或PMS-2的孤立缺失。然而,进行IHC时可能会遇到结果解释困难,因此IHC应由经验丰富的病理学家执行。NGS的主要优势在于其解决多重分类问题的能力。当患者同时存在POLE和TP53基因突变时,POLE基因突变状态具有决定性的预后意义。如果不使用NGS,此类患者可能被错误分类到预后最差的p53abn组,这可能导致不必要的、有害的治疗强化。近期证据表明,与IHC相比,NGS提供了更客观和可重复的框架。虽然IHC需要大量组织切片来评估多种蛋白表达,这可能迅速消耗有限的诊断材料,但NGS利用DNA扩增——能够分析有限的肿瘤样本。这种方法在EC背景下尤其相关,因为许多患者对采集检测材料的过程感到不适。尽管两种方法均显示出高诊断产出,NGS凭借在单个工作流程中同时分析数百个基因的能力提供了优越优势。Rios-Doria等人进行的一项回顾性研究旨在评估NGS与IHC整合如何能在原始TCGA定义的四个分子亚组内增强子宫内膜癌的分子分型,并作为整合的IHC/NGS算法实施。该研究涉及1834例患者队列,主要使用术前活检或子宫切除标本,随后将其用作IHC和NGS的DNA样本。在研究病例中,大多数为CNH分子亚型EC(40%),其次为CNL亚型(32%)、高MSI(23%)和POLE亚型(5%)。值得注意的是,在所有分子亚型中均观察到组织学和基因组变异性。研究表明,分子分型在疾病的早期和晚期阶段均具有预后意义。研究证明,如果TCGA框架仅基于MMR/p53 IHC而不进行POLE测序,则相当比例的病例将被错误分类或保持未分类。这一点通过将NGS整合到肿瘤-正常测序数据中得到了证明。更具体地说,IHC最常错误分类的领域是TP53基因测序。表型蛋白表达与基因型突变之间的差异在另一项针对63例高级别子宫内膜样EC的研究中得到进一步阐明。这些病例包括2018年至2020年间因子宫内膜样EC诊断而行子宫切除术加双侧输卵管卵巢切除术的患者。在20例TP53突变病例中,有2例显示IHC与基因检测NGS之间的不匹配。病例EC-50(浆液性癌):IHC显示p53强异常表达,但初始NGS未显示突变。对更高质量肿瘤样本的重复检测揭示了致病性TP53突变(Gly266Arg),证实IHC结果是正确的。病例EC-58(低级别子宫内膜样癌):IHC显示p53低表达(被认为是正常的),但NGS识别出致病性突变(Gly245Asp),经Sanger测序确认。这些发现强调,虽然IHC是可靠的筛查工具,但在边缘或高级别病例中,分子确认对于明确亚型分型是不可或缺的。NGS的临床实用性也得到Yoshimura等人研究的证实,他们证明基于NGS的分型在总生存期方面显著优于ProMisE分类器(基于IHC)。该研究纳入了200例接受手术(包括子宫切除术)的EC患者。基于NGS的分类识别出CN-L亚型最常见(104/200,52.0%),其次为MSI-H(38/200,19.0%)、POLE(33/200,16.5%)和CN-H(25/200,12.5%)。基于NGS的四种亚型间OS差异显著,而在ProMisE分类中OS差异不那么明显。一些POLE亚型在已知热点外存在额外突变被错误识别,18.2%(6/33)伴有同步MSI-H。IHC显示12例(48%)CN-H病例为p53野生型模式。此外,在CN-H亚型中未观察到p53状态的显著预后差异。虽然NSMP通常是最常见的亚型,NGS技术通过识别PIK3CA、PTEN和KRAS等基因突变实现其精确分类。这种详细程度为靶向治疗铺平了道路,并提供优于传统IHC方法的显著优势。同样,Paratore等人的研究表明,NGS不仅能改善风险分层,还能识别个性化治疗(如PARP抑制剂或免疫治疗)的靶点,而这些通常被传统方法忽视。该研究包括85例患者。使用NGS panel进行多基因谱分析。患者中检测到以下突变:5.9% POLE,25.8%微卫星不稳定性伴错配修复缺陷(MMRd/MSI),11.8% p53abn/TP53mut,56.5% NSMP。基于MSI NGS和MMR IHC的分析显示出良好一致性(97.6%),p53 IHC和TP53突变的一致性率为92.3%。分析发现分子亚型根据分级、FIGO分期和淋巴血管浸润(LVSI)显著变化。这证实了NGS在区分MSI和TP53突变肿瘤方面的有效性和可靠性。该研究还检测了PIK3CA、PTEN、KRAS、ERBB2和ESR1基因突变,并注意到治疗潜力。这两项研究在表6中进行了比较。选择这两项研究是因为每项都直接在特定子宫内膜癌患者队列中将基于二代测序(NGS)的分子分型与既定参考方法(IHC/ProMisE)进行了比较,同时展示了NGS临床实用性的互补方面,如预后准确性和可操作治疗靶点的识别,包括PARP抑制剂和免疫治疗的潜在靶点。此外,图5直接可视化了关键基因组研究中描述的分子亚型分布。
尽管有这些优势,NGS的实施不幸地伴随着某些局限性,主要是设备成本高、需要专业生物信息学基础设施,以及与IHC方法相比结果等待时间更长。这些挑战可以通过在参考中心集中检测(如“中心-辐射”模式)来缓解,这允许成本优化。此外,使用靶向基因panel代替全外显子组测序可加速分析并简化临床结果解释。一个超过上述所有缺点的重要优势是设计针对特定肿瘤的适当panel的可能性。得益于日益提高的自动化水平和减少的操作员参与,为所有实体瘤实施该程序更具成本效益,并可作为识别基因变异的标准护理。
除了初步诊断,NGS在复杂的肿瘤学场景中作为鉴别诊断的关键工具。在Nadejda Valtcheva等人发表的病例报告中,呈现了一位同时发生子宫体和左卵巢子宫内膜样腺癌,并在手术、近距离放疗和替勃龙治疗四年后出现子宫内膜样腺癌肺转移的罕见病例。为了区分肿瘤是独立肿瘤还是转移,采用了针对409个癌症相关基因的靶向二代测序(NGS)方法。分析显示,两个肿瘤的突变谱显示出67%的一致性,从而表明其共同起源。相反,肺肿瘤与子宫内膜癌和卵巢癌相比表现出独特的谱系。在子宫内膜和卵巢同时存在肿瘤的情况下,区分原发肿瘤和转移瘤至关重要。在这种情况下,两种癌症(子宫内膜癌和卵巢癌)同时发生与子宫内膜癌转移至卵巢相比,预后更好。这种区分在临床上至关重要,因为同步原发癌的预后明显优于FIGO IV期转移性疾病,这从根本上改变了治疗策略。此外,Alba Mota等人的研究也使用靶向测序来识别原发肿瘤和转移瘤之间的突变差异。它还表明NGS可以重建肿瘤的进化轨迹,提供对亚克隆结构和复发及侵袭性的基因组驱动因素的见解。
4.1. NGS临床实施的局限性和障碍
不幸的是,NGS本身也有需要注意的局限性和障碍。这些包括NGS的技术和方法学方面。检测过程中最重要的是保持样本纯度,这在FFPE样本中尤其困难。切片前样本的完整性至关重要。从采集到固定的时间、固定时间和储存条件极大地影响肿瘤组织中的核酸。特别是在FFPE样本的情况下,福尔马林固定过程可诱导核酸和蛋白质的交联,导致其修饰和片段化。使用NGS方法时出现的另一个困难是基因组内测序覆盖度不均匀,这表现为在准确检测复杂结构变化、重复序列、三核苷酸序列扩增、多倍体、嵌合体或具有高序列同源性的变异方面存在困难。NGS通常使用约100–500 bp,被认为是短读长,因此可能在检测结构变异方面出现困难,使整个方法成本高昂。读取过程中也可能发生错误,例如数据分析、基因扩增或