Μία Δεύτερη Γνώμη

Η Ανοσοθεραπεία και η Στοχευμένη Εξατομικευμένη Θεραπεία είναι οι πολλά υποσχόμενες νέες θεραπείες στον καρκίνο, οι οποίες προκύπτουν από το μοριακό προφίλ του όγκου (FFPE ή Υγρή Βιοψία) με τη χρήση εξειδικευμένων μοριακών τεχνικών μοριακής βιολογίας. Και συγκεκριμένα με τη χρήση πολλαπλών γονιδίων σε NGS για την εξαγωγή δεδομένων όπως TMB, MSI κλπ.

Σε ένα κλινικό report από ένα αντίστοιχο μοριακό τεστ (το οποίο αφορούσε σε ένα multiple gene NGS panel σε FFPE), αναφέρονταν πληροφορίες όπως TMB, MSI, somatic mutations, CNVs, Fusions κλπ. Πληροφορίες με σημαντική κλινική σημασία και εξαιρετικά χρήσιμο εργαλείο για τον θεράποντα ιατρό.

~

Γενικά σε μια αντίστοιχη μοριακή ανάλυση σε NGS panel γονιδίων, για ένα ογκολογικό δείγμα, για να είναι έγκυρο και reproducible, πρέπει να αναφέρονται οπωσδήποτε τα παρακάτω τεχνικά χαρακτηριστικά:

α) Μέγεθος panel se MB (απαραίτητο μέγεθος για τον υπολογισμό TMB)

β) average coverage (πχ 500Χ ή 1000Χ ή πόσο ?)

γ) % MAF (1% ή 5% ή 10% ?). Το 10% είναι χαμηλής κλινικής σημασίας καθώς χάνεται σημαντική πληροφορία. Το 5% είναι μέτρια αποδεκτό. Το 1% είναι το βέλτιστο. Για να επιτευχθεί όμως το MAF 1% απαιτείται υψηλό Cοverage άρα μεγαλύτερo κόστος για το εργαστήριο.

δ) Διαθέσιμα raw data, τόσο για το reproducibility της μεθοδολογίας όσο και για την επανάληψη της ανάλυσης (reanalysis) σε σύντομο χρονικό διάστημα, καθώς η πληροφορία ανανεώνεται συνεχώς.

~

Ένας ασθενής έχει το δικαίωμα να ζητήσει μία ΔΕΥΤΕΡΗ ή και τρίτη γνώμη για το σοβαρό πρόβλημα υγείας του, έχοντας στον ιατρικό του φάκελο τα raw data της NGS ανάλυσης του, όπως έχει πχ μία ακτινογραφία ή έξετάσεις αίματος. Τα raw data ανήκουν στον ασθενή και ΟΧΙ στο εργαστήριο. 

~

Γιατί είναι απαραίτητη η επανάληψη της διαδικασίας ανάλυσης ή και reanalysis; Την απάντηση την δίνει το παρκάτω άρθρο στο PLOS ONE.

Στο παραπάνω παράδειγμα ελέγχου σωματικών μεταλλάξεων (somatic mutations) υπάρχουν πολλοί αλγόριθμοι για το λεγόμενο variant calling, δηλαδή της διαδικασίας απ'όπου προκύπτουν τα δεδομένα στα οποία στηρίζεται η κλινική έκθεση (ελλιπή ή λάθος δεδομένα συνεπάγονται ελλιπή ή και λάθος τελική έκθεση). Μερικοί από τους πιο σημαντικούς αλγόριθμους για την ανάλυση ογκολογικών δειγμάτων είναι α) mutect (απαιτεί tumor:normal δείγμα) β) strelka, γ) varscan κλπ.

Οι αλγόριθμοι αυτοί αν αναλύσουν το ίδιο δείγμα δίνουν σημαντικά διαφορετικά αποτελέσματα:

"We have performed a comprehensive evaluation using exome sequencing and targeted deep sequencing data of paired tumor-normal samples from five breast cancer patients to evaluate the performance of nine publicly available somatic variant callers: EBCall, Mutect, Seurat, Shimmer, Indelocator, Somatic Sniper, Strelka, VarScan 2 and Virmid for the detection of single nucleotide mutations and small deletions and insertions. We report a large variation in the number of calls from the nine somatic variant callers on the same sequencing data." PLoS One. 2016; 11(3): e0151664.

~

Συμπέρασμα: Απαιτείται ξεκάθαρη διαδικασία ανάλυσης και πρόσβαση στα raw data καθώς και στα πλήρη τεχνικά χαρακτηριστικά της μεθοδολογίας NGS. Blackbox μεθοδολογίες στα reports πρέπει να αποφεύγονται. Γιατί όπως αναφέρεται και στο τελευταίο editorial του JAMA ONCOLOGY: “The accuracy of sequencing results is of paramount importance to patients, clinicians and those paying for testing services.” On the importance of analytic validity in genomic medicine. @JAMA_current editorial.

~

Οι ασθενείς και οι γιατροί πρέπει να ζητούν τα Raw Data της NGS ανάλυσης για ΜΙΑ ΔΕΥΤΕΡΗ ΓΝΩΜΗ και να αποφεύγουν εργαστήρια στα οποία δεν είναι εφικτή η πρόσβαση σε αυτά.

~

"Do patients and research subjects have a right to receive their genomic raw data? An ethical and legal analysis.