CCTB 2022:https://biomarker2022.sciconf.cn

参加肿瘤标志物的大会,好几个会议同步进行,来演讲的人都是业界的专家,水平很高,虽然大部分报告都是科研形式的汇报,和产业汇报不一样,但同样给人启发。

CCTB2022

  1. 听研究外泌体囊泡的报告时,专家抛出来一个问题,目前单细胞研究已经很普及了,问外泌体囊泡中有各种内容物,如何在囊泡水平研究异质性。我立马就想到了用单细胞技术,把囊泡当作细胞来处理。是的,专家也这么干的,而且是学术界第一次做,这是很巧妙的点子,我也想到了解决方法关键是,我的思维没想到这种问题。我也了解单细胞测序,也做过外泌体研究,但我没有把他们俩联系在一起。

  2. ctDNA很火:ctDNA有一个专门的论坛,听的人也很多,但关于miRNA的确没有看到。CTC裂解会释放ctDNA,当肿瘤早期CTC还检测不到的时候,可以通过检测ctDNA的阳性(没搞懂怎么确定ctDNA的)。但当ctDNA的拷贝数非常少的情况下,比如万分之1(0.01%)水平,检测单个位点灵敏度不高,于是进行多位点联合检测。但是在测序时,DNA的某条链会有gap,测序之前需要先补gap,但用现有的酶补gap的话,补的都是非甲基化的碱基,会影响结果。于是想到测单链,但单链测序的问题是连接酶的效率不高,于是专家团队自己找酶,开发了比目前商业化单链测序解决方案效率高两倍的技术。整个故事讲下来,就让人兴奋,在取得成果前,遇到了各种阻碍,但都一步一步克服了。另外ctDNA甲基化在肿瘤的早期筛查领域也非常火爆,比如大家都知道的SEPTIN9,SHOX2和RASSF1F的甲基化,90%的CRC患者在SEPTIN9发生甲基化,这也是为什么市场上CRC早筛试剂盒比较多的原因。专家对ctDNA甲基化的观点是,甲基化参与早期肿瘤的发生,具有肿瘤特异性,甲基化事件比较稳定,ctDNA半衰期短且普遍存在。确实,我也挺想做一个ctDNA甲基化的研究。

  3. 相比于ctDNA,这次会议也一个专门针对CTC的论坛,CTC计数也有不错的结果,包括CTC作为标志物与免疫治疗反应的相关性研究,关注的人也不少。除了ctDNA,CTC外,我看这次大会提到比较多的是蛋白糖基化和磷酸化。比如糖基化在蛋白折叠、质控、稳定、运转和功能中起着重要作用,和肿瘤的发生发展相关。临床常用的CA19-9,甲胎蛋白AFP,PSA等都是糖蛋白。不同位点的糖基化,相同位点的不同糖基化都可以用来作为诊断预后标志物的来源。热景公司还可以富集糖基化外泌体,研究糖基化外泌体内部的RNA等也发现了不同的标志物。

  4. MRD也是大家关注的一个热点,燃石的报告指出,检测术前已知的MRD是有意义的,检测driver比检测passenger突变有意义,在一月的时候检测比3天好。大家都有一手的longitudinal cohort,一手的数据,还有测序公司帮忙。ctDNA的阳性也可以用来监测复发,品级公司的数据表明,ctDNA可以早于图像好几个月发现复发,ctDNA的量也和肿瘤的大小相关。当然这都是别人的数据,我都在想,要是我的话,我的数据会怎么好吗。另外一个专家指出术后ctDNA阳性的患者,复发的概率很大,阴性患者复发的概率很小。那生存曲线画出来,简直让人羡慕。

  5. 实验设计很重要,比如MRD监测,至少要长期收集病人的血液,随访是少不了的。术前术后的样本,复发样本,伴随疾病状态,癌前病变,伴随用药,用药反应,早期样本的比例,肿瘤亚型,分子亚型,病理亚型和分期,性别年龄匹配,独立验证要用盲法,模型固定后,要进行前瞻性队列验证,前瞻性研究之前,实验方法乃至管子都要考虑和确定下来。感觉燃石做的比较好,燃石的多癌种早期筛查产品对接了40多家医院,也获得了美国的突破性医疗器械认证,没有看到其他大公司比如泛生子、安诺优达的报告。

  6. 我们一直在讲我们要取代某某产品,其实可以做到互补,比如有个专家的报告,检测肺部灌洗液、胸腔积液等肺液相活检,可以与目前的组织形态学鉴定互补。组织形态学确定不了的(有可能是切片中恰巧没有肿瘤细胞),肺液相活检ctDNA可以补充,灵敏度优于组织形态学,联合在一起的话,效果更好。

  7. 多组学是大势。汤富酬教授的单细胞,就讲了单细胞多组学的事情,虽然很多分析我也能做,但前面的实验和课题设计才是最重要的,这才能回答临床问题,也不是简单的分析。多组学联合分析,bulk tumor联合单细胞分析,就连液态活检都有ctDNA甲基化和ctDNA突变的联合研究。还有就是血小板RNA也可以用来做预后和诊断。分型研究很普遍,因为肿瘤异质性的存在,解析异质性就会涉及到分型,分析的难点在于如果阐明各个亚型的特征和背后的生物学意义。

  8. 我很关心ddPCR,因为我讨厌qPCR中需要用到house keeping,鬼知道house keeping靠不靠谱,换个house keeping就是另外一个结果。当然现在qPCR有质控品,但ddPCR的绝对定量对我很有吸引力。ddPCR有两种方式,一种是微流控,一种是芯片法,可以用来检测MRD,拷贝数,我查了查,也可以用来检测miRNA,但都需要知道目标序列,产品价格较贵,目前而言ddPCR的整个产业也在发展,也有医院检验科的人汇报他们在用ddPCR。

  9. 学术届和产业界合作很密切。有的是一起设计实验进行研究,这样公司cover测序等实验的费用,医生可以提供临床资源;有的是公司的产品需要学术界或者医院的支持和站台;还有的是,本身对某个基因的机制研究的很透彻了,然后创业或者和公司一起进行转化。

  10. 全癌种标志物(UCOM)这个概念我在以前的会议上听到过,是上海于教授提出的。这次有一个专门的论坛汇报,我专门听了一下。全癌种标志物的概念不同于泛癌标志物,泛癌标志物是由不同癌种的标志物组成的panel,而全癌种标志物意味着不管哪个癌种,这个标志物都会出现,这个概念很好。目前是基因甲基化的标志物,在多个癌种进行了临床实验,结果都不错。我感觉是通过挖掘TCGA的所有甲基化数据,然后找到的。

  11. SYSUCC的孙教授汇报了他们的鼻咽癌AI大数据,我真的震惊了,我没想到他们医院已经做到这么厉害的程度,他们整合了医院能整合的数据,包括每次的医院检验和检测结果,分子和图像数据,医嘱等,他们制定了首先自己把数据标准化,然后对数据加工组织,用时间轴的形式来展示数据,研究人员可以看到患者在医院的所有数据,由鼻咽癌扩展到41中疾病。因为数据量太大了,一定会有规律在里面。比如鼻咽癌患者的cfEBV数据,有的患者是出院后一直下降,有的是先降后升,由此发现有几种鼻咽癌的治疗结果范式,和生存显著相关。这完全是大数据的概念,比分型更直接。再比如说随访,他们可以实现自动化随访,比如和政府部门对接,检索死亡数据,检查医保状态,检查后续就医状态,检查健康码状态,就可以自动化判断患者的生存情况,而不需要人工随访,做到了只有10%的失访率。以往医生写医嘱时,要自己敲字,但他们团队发现写的逻辑很简单,完全可以自动化生成。要是中国的医院都这个水平,就不存在信息孤岛,方便患者也方便医院科研。

  12. 不清楚其他公司如何说自己的产品是拿到了肿瘤筛查的证的,比如全景给的数据,肿瘤筛查的证都光在肠癌中就批准十几个了,反正诺辉不同意,诺辉说他们是唯一一个拿到国家批文的早筛三类证。诺辉是便隐血FIT+ctDNA的突变和甲基化联合检测,构建了模型,但报告只报阴性和阳性,不报风险值。他们的监控数据显示阳性报告率为10%,肠镜异常率为5%,这个数据应很好了。诺辉的临床试验是和便隐血的结果作比较,临床试验入组的人,来自9个中心,人数在4000到5000之间,强调的是在检测早期肠癌(NPV是99.7%,灵敏度接近1)乃至腺瘤(50%左右的灵敏度,FIT检测不敏感),在终点都会接受肠镜检查,作为金标准。诺辉的医学官员说他们是横断面研究。我想到了康立明,据我所知康立明没有建模,当时我和他们的销售沟通时,他们是同时测多位点,然后看汇总的信号(我不确定真的假的,因为我觉得他们的销售并不专业,而且宣传页上写灵敏度在90%左右),此外康立明的临床试验中心少,且每个中心入组的人在几百人。还是诺辉厉害。

  13. 北京的政策是允许DNA甲基化检测进入医保,这对标志物行业来说是一个利好消息。前期LDT不被允许的时候,学术界的研究成果不容易转化、公司的产品不容易推广、医院也无法开展难以保证的检测(比如同时检测上百种过敏原,这种不会拿到证的),突发新发传染病(比如新冠刚开始没有有证试剂)。放宽LDT势在必行,我们这两年也看到LDT的政策和监管都在放宽,肿瘤的早期筛查是一个值得关注的领域。也听了一位参与推动LDT政策的上海专家讲述如何推动的,里面的曲折是非很多,但最终还是成功的让政府部门放宽的政策,打开了LDT的门。对于LDT,美国并不是FDA监管,而是CMS(医疗保险和医疗补助服务中心)通过贯彻《临床实验室改进法案》(CLIA)指导管理临床检验实验室及其临床检测活动。我们的趋势应该也是朝着这个方向发展,目前上海和北京有LDT试点,政府监管很严格,定期和不定期检查都会有。除此之外,LDT的产品,应严格进行性能参数确认,比如确定检测下限、采集管的选择、样本的运输和保存、样本的实验投入量、质控参数、生信流程、标准品、灵敏度和特异性,不同批次进行重复性验证、不同实验员进行重现性验证,确定好参数之后,后期应该严格执行。相信随着政策的放宽,LDT产品会越来越多。

####################################################################

#版权所有 转载请告知 版权归作者所有 如有侵权 一经发现 必将追究其法律责任

#Author: Jason

#####################################################################