Molecular diagnostics in oncology: new trends

Cover Page

Cite item

Full Text

Abstract

Molecular diagnostics is a mandatory component of modern clinical oncology. The most known examples of molecular diagnostic procedures include the detection of hereditary cancer syndromes and the analysis of somatic drug-sensitizing mutations in protein kinases. Advances in cancer research as well as the development of new technologies led to emergence of new trends in this area of medicine. The invention of next generation sequencing (NGS) has a potential to dramatically change the landscape of molecular diagnostics. NGS allows to significantly improve the efficiency and availability of genetic testing for hereditary cancers as well as to undertake comprehensive tumor mutation profiling to guide the therapy choice. Tumors usually change their properties during therapeutic intervention. Monitoring of these properties is important for proper selection of further treatment options. So-called “liquid biopsy” is essential for this purpose, as it allows to detect key molecular features of the tumors by a non-invasive approach. There is an increasing popularity of ex vivo tumor models, which allow to cultivate tumor cells and to select the therapy based on the results of drug sensitivity tests.

About the authors

Evgeny N. Imyanitov

N.N. Petrov National Medical Research Centre of Oncology; Saint Petersburg State Pediatric Medical University

Author for correspondence.
Email: evgeny@imyanitov.spb.ru
ORCID iD: 0000-0003-4529-7891
SPIN-code: 1909-7323

Professor, Corresponding member of the Russian Academy of Science, Head of the Department of Tumor Growth Biology; Head of the Department of Medical Genetics, Saint Petersburg State Pediatric Medical University

Russian Federation, Saint Petersburg

References

  1. Hanahan D, Weinberg RA. The hallmarks of cancer. Cell. 2000;100(1):57-70. https://doi.org/10.1016/s0092-8674(00) 81683-9.
  2. Garraway Levi A, Lander Eric S. Lessons from the cancer genome. Cell. 2013;153(1):17-37. https://doi.org/10.1016/ j.cell.2013.03.002.
  3. Vogelstein B, Papadopoulos N, Velculescu VE, et al. Cancer genome landscapes. Science. 2013;339(6127):1546-1558. https://doi.org/10.1126/science.1235122.
  4. Sokolenko AP, Imyanitov EN. Molecular diagnostics in clinical oncology. Front Mol Biosci. 2018;5. https://doi.org/10.3389/fmolb.2018.00076.
  5. Thavaneswaran S, Rath E, Tucker K, et al. Therapeutic implications of germline genetic findings in cancer. Nat Rev Clin Oncol. 2019;16(6):386-396. https://doi.org/10.1038/s41571-019-0179-3.
  6. Shendure J, Balasubramanian S, Church GM, et al. DNA sequencing at 40: past, present and future. Nature. 2017;550(7676):345-353. https://doi.org/10.1038/nature 24286.
  7. Morganti S, Tarantino P, Ferraro E, et al. Next Generation Sequencing (NGS): a revolutionary technology in pharmacogenomics and personalized medicine in cancer. Adv Exp Med Biol. 2019;1168:9-30. https://doi.org/10.1007/978-3-030-24100-1_2.
  8. Routy B, Le Chatelier E, Derosa L, et al. Gut microbiome influences efficacy of PD-1–based immunotherapy against epithelial tumors. Science. 2018;359(6371):91-97. https://doi.org/10.1126/science.aan3706.
  9. Zitvogel L, Ma Y, Raoult D, et al. The microbiome in cancer immunotherapy: Diagnostic tools and therapeutic strategies. Science. 2018;359(6382):1366-1370. https://doi.org/10.1126/science.aar6918.
  10. Cohen JD, Li L, Wang Y, et al. Detection and localization of surgically resectable cancers with a multi-analyte blood test. Science. 2018;359(6378):926-930. https://doi.org/10.1126/science.aar3247.
  11. Adams DR, Eng CM. Next-generation sequencing to diagnose suspected genetic disorders. N Engl J Med. 2018;379(14):1353-1362. https://doi.org/10.1056/NEJMra 1711801.
  12. Easton DF, Pharoah PD, Antoniou AC, et al. Gene-panel sequencing and the prediction of breast-cancer risk. N Engl J Med. 2015;372(23):2243-2257. https://doi.org/10.1056/NEJMsr1501341.
  13. Schrader KA, Cheng DT, Joseph V, et al. Germline variants in targeted tumor sequencing using matched normal DNA. JAMA Oncol. 2016;2(1):104-111. https://doi.org/10.1001/jamaoncol.2015.5208.
  14. Mandelker D, Zhang L, Kemel Y, et al. Mutation detection in patients with advanced cancer by universal sequencing of cancer-related genes in tumor and normal DNA vs guideline-based germline testing. JAMA. 2017;318(9):825-835. https://doi.org/10.1001/jama.2017.11137.
  15. Sokolenko AP, Suspitsin EN, Kuligina E, et al. Identification of novel hereditary cancer genes by whole exome sequencing. Cancer Lett. 2015;369(2):274-288. https://doi.org/10.1016/j.canlet.2015.09.014.
  16. Sokolenko A, Imyanitov E. Multigene testing for breast cancer risk assessment: an illusion of added clinical value. Chin Clin Oncol. 2017;6(2):15. https://doi.org/10.21037/cco.2017.03.02.
  17. Colas C, Golmard L, de Pauw A, et al. “Decoding hereditary breast cancer” benefits and questions from multigene panel testing. Breast. 2019;45:29-35. https://doi.org/10.1016/ j.breast.2019.01.002.
  18. Hyman DM, Taylor BS, Baselga J. Implementing genome-driven oncology. Cell. 2017;168(4):584-599. https://doi.org/10.1016/j.cell.2016.12.015.
  19. Khotskaya YB, Mills GB, Mills Shaw KR. Next-Generation sequencing and result interpretation in clinical oncology: challenges of personalized cancer therapy. Annu Rev Med. 2017;68:113-125. https://doi.org/10.1146/annurev-med-102115-021556.
  20. Sabour L, Sabour M, Ghorbian S. Clinical applications of next-generation sequencing in cancer diagnosis. Pathol Oncol Res. 2017;23(2):225-234. https://doi.org/10.1007/s12253-016-0124-z.
  21. Schwartzberg L, Kim ES, Liu D, Schrag D. Precision oncology: who, how, what, when, and when not? Am Soc Clin Oncol Educ Book. 2017;37:160-169. https://doi.org/10.14694/EDBK_174176.
  22. Berger MF, Mardis ER. The emerging clinical relevance of genomics in cancer medicine. Nat Rev Clin Oncol. 2018;15(6):353-365. https://doi.org/10.1038/s41571-018-0002-6.
  23. Nangalia J, Campbell PJ. Genome sequencing during a patient’s journey through cancer. N Engl J Med. 2019;381(22):2145-2156. https://doi.org/10.1056/NEJMra 1910138.
  24. Winters JL, Davila JI, McDonald AM, et al. Development and verification of an RNA sequencing (RNA-Seq) assay for the detection of gene fusions in tumors. J Mol Diagn. 2018;20(4):495-511. https://doi.org/10.1016/j.jmoldx.2018. 03.007.
  25. Kirchner M, Neumann O, Volckmar AL, et al. RNA-based detection of gene fusions in formalin-fixed and paraffin-embedded solid cancer samples. Cancers (Basel). 2019;11(9). https://doi.org/10.3390/cancers11091309.
  26. Melendez B, Van Campenhout C, Rorive S, et al. Methods of measurement for tumor mutational burden in tumor tissue. Transl Lung Cancer Res. 2018;7(6):661-667. https://doi.org/10.21037/tlcr.2018.08.02.
  27. Massard C, Michiels S, Ferte C, et al. High-throughput genomics and clinical outcome in hard-to-treat advanced cancers: results of the MOSCATO 01 trial. Cancer Discov. 2017;7(6):586-595. https://doi.org/10.1158/2159-8290.CD-16-1396.
  28. Rodon J, Soria JC, Berger R, et al. Genomic and transcriptomic profiling expands precision cancer medicine: the WINTHER trial. Nat Med. 2019;25(5):751-758. https://doi.org/10.1038/s41591-019-0424-4.
  29. Sicklick JK, Kato S, Okamura R, et al. Molecular profiling of cancer patients enables personalized combination therapy: the I-PREDICT study. Nat Med. 2019;25(5):744-750. https://doi.org/10.1038/s41591-019-0407-5.
  30. Aleksakhina SN, Kashyap A, Imyanitov EN. Mechanisms of acquired tumor drug resistance. Biochim Biophys Acta Rev Cancer. 2019;1872(2):188310. https://doi.org/10.1016/ j.bbcan.2019.188310.
  31. Vasan N, Baselga J, Hyman DM. A view on drug resistance in cancer. Nature. 2019;575(7782):299-309. https://doi.org/10.1038/s41586-019-1730-1.
  32. Sokolenko AP, Savonevich EL, Ivantsov AO, et al. Rapid selection of BRCA1-proficient tumor cells during neoadjuvant therapy for ovarian cancer in BRCA1 mutation carriers. Cancer Lett. 2017;397:127-132. https://doi.org/10.1016/ j.canlet.2017.03.036.
  33. Nayar U, Cohen O, Kapstad C, et al. Acquired HER2 mutations in ER(+) metastatic breast cancer confer resistance to estrogen receptor-directed therapies. Nat Genet. 2019;51(2):207-216. https://doi.org/10.1038/s41588-018-0287-5.
  34. Razavi P, Chang MT, Xu G, et al. The genomic landscape of endocrine-resistant advanced breast cancers. Cancer Cell. 2018;34(3):427-438 e426. https://doi.org/10.1016/ j.ccell.2018.08.008.
  35. Remon J, Steuer CE, Ramalingam SS, Felip E. Osimertinib and other third-generation EGFR TKI in EGFR-mutant NSCLC patients. Ann Oncol. 2018;29(suppl_1):i20-i27. https://doi.org/10.1093/annonc/mdx704.
  36. Janne PA, Yang JC, Kim DW, et al. AZD9291 in EGFR inhibitor-resistant non-small-cell lung cancer. N Engl J Med. 2015;372(18):1689-1699. https://doi.org/10.1056/NEJMoa1411817.
  37. Oxnard GR, Thress KS, Alden RS, et al. Association between plasma genotyping and outcomes of treatment with osimertinib (AZD9291) in advanced non-small-cell lung cancer. J Clin Oncol. 2016;34(28):3375-3382. https://doi.org/10.1200/JCO.2016.66.7162.
  38. Mok TS, Wu YL, Ahn MJ, et al. Osimertinib or platinum-pemetrexed in EGFR T790M-Positive lung cancer. N Engl J Med. 2017;376(7):629-640. https://doi.org/10.1056/ NEJMoa1612674.
  39. Mader S, Pantel K. Liquid biopsy: current status and future perspectives. Oncol Res Treat. 2017;40(7-8):404-408. https://doi.org/10.1159/000478018.
  40. Geeurickx E, Hendrix A. Targets, pitfalls and reference materials for liquid biopsy tests in cancer diagnostics. Mol Aspects Med. 2019:100828. https://doi.org/10.1016/ j.mam.2019.10.005.
  41. Rossi G, Ignatiadis M. Promises and pitfalls of using liquid biopsy for precision medicine. Cancer Res. 2019;79(11): 2798-2804. https://doi.org/10.1158/0008-5472.CAN-18- 3402.
  42. Canale M, Pasini L, Bronte G, et al. Role of liquid biopsy in oncogene-addicted non-small cell lung cancer. Transl Lung Cancer Res. 2019;8(Suppl 3):S265-S279. https://doi.org/10.21037/tlcr.2019.09.15.
  43. Rijavec E, Coco S, Genova C, et al. Liquid biopsy in non-small cell lung cancer: highlights and challenges. Cancers (Basel). 2019;12(1). https://doi.org/10.3390/cancers 12010017.
  44. Klinghammer K, Walther W, Hoffmann J. Choosing wisely — preclinical test models in the era of precision medicine. Cancer Treat Rev. 2017;55:36-45. https://doi.org/10.1016/ j.ctrv.2017.02.009.
  45. Clevers H. Modeling development and disease with organoids. Cell. 2016;165(7):1586-1597. https://doi.org/10.1016/ j.cell.2016.05.082.
  46. Pauli C, Hopkins BD, Prandi D, et al. Personalized in vitro and in vivo cancer models to guide precision medicine. Cancer Discov. 2017;7(5):462-477. https://doi.org/10.1158/2159-8290.CD-16-1154.
  47. Drost J, Clevers H. Organoids in cancer research. Nat Rev Cancer. 2018;18(7):407-418. https://doi.org/10.1038/s41568-018-0007-6.
  48. Wakefield CE, Doolan EL, Fardell JE, et al. The avatar acceptability study: survivor, parent and community willingness to use patient-derived xenografts to personalize cancer care. EBioMedicine. 2018;37:205-213. https://doi.org/10.1016/j.ebiom.2018.10.060.
  49. Bleijs M, Wetering M, Clevers H, Drost J. Xenograft and organoid model systems in cancer research. EMBO J. 2019;38(15). https://doi.org/10.15252/embj.2019101654.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2020 Imyanitov E.N.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».