Evidencia alapú orvoslás a molekuláris onkológia korában

Evidencia alapú orvoslás a molekuláris onkológia korában Peták István1, 2, 3, Hegedüs Csilla1, Frank C. Kischkel4, Kéri György2, Landherr László5, Kahán Zsuzsanna6, Bodoky György7, Urbán László8

1Oncompass

Medicine Zrt., Budapest

2MTA-SE Pathobiokémia Kutatócsoport, Orvosi Vegytani Intézet, Semmelweis Egyetem, Budapest 3Kajofi

Invest Kft., Budapest

4TherapySelect, 5Uzsoki

Utcai Kórház, Budapest

6Szegedi

Tudományegyetem Általános Orvostudományi Kar, Onkoterápiás Klinika, Szeged

7Egyesített 8Mátrai

Heidelberg

Szent István és Szent László Kórház, Onkológiai Osztály, Budapest

Gyógyintézet, Mátraháza

KAJOFI Invest Kft. Budapest, Ribáry utca 5.. H-1022

ÖSSZEFOGLALÁS A DNS szekvenálási technikák robbanásszerű fejlődése lehetővé tette a daganatok genomi profiljának részletes vizsgálatát, amely során feltérképezték a daganatok kialakulásáért és progressziójáért felelős legfontosabb ún. driver géneket és driver mutációkat. A molekulárisan célzott kezelések során alkalmazott hatóanyagok ezeket a tumorsejtekre jellemző specifikus driver alterációkat támadják. A mai onkológiai gyakorlatban egyre inkább elfogadottá válik, hogy a betegek kezelési stratégiájába a tumorszövetre jellemző egyéni genetikai profilt is be kell építeni ahhoz, hogy a legoptimálisabb terápiát lehessen kiválasztani. Ezt a megközelítést precíziós onkológiának nevezzük. Számos klinikai evidencia támasztja alá, hogy a daganatos betegek molekuláris profiljának megfelelő ’matching’ célzott terápiák hatékonyabbak, mint a hagyományos kemoterápiák, vagy a ’non-matching’ betegeknél alkalmazott célzott kezelések. A daganat genomi profilokra és a célzott hatóanyagokra valamint ezek egyedi kombinációira vonatkozó információ halmaz feldolgozása azonban multidiszciplináris megközelítést illetve információ technológiai megoldásokat igényel. A molekuláris onkológia korában ezeket az információkat a Molekuláris Tumor Board dolgozza majd fel, és a beteg kórtörténetének, klinikai és molekuláris profiljának valamint a legfrissebb tudományos eredmények figyelembevételével, a beteg szempontjából releváns evidencia-szintek súlyozásával alakítja ki a legmegfelelőbb kezelési stratégiát.

KULCSSZAVAK: precíziós orvoslás, molekuláris onkológia, célzott terápia


SUMMARY Evidence-based medicine in the era of molecular oncology István Peták, Csilla Hegedüs, György Bodoky, László Urbán The rapid development of DNA sequencing technologies has enabled the detailed analysis of tumor genomic profiles, which has led to the discovery of the so called driver genes and driver mutations responsible for tumor initiation and progression. Molecularly targeted drugs act on these tumor cell specific driver alterations. Integration of the individual tumor genetic profile into treatment strategies in order to find the most appropriate thrapeutic option has become to be part of routine oncology practice. This approach is termed as precision medicine. Recently published clinical results have shown that personalized cancer treatment strategies (i.e. matching patients with targeted compounds based on specific biomarkers, for example the presence of driver genetic alterations) is an independent predictor of better clinical outcomes when compared with standard therapies or targeted treatment of non-matching patients. However, delivery of the information relating to tumor genomic profiles, targeted drugs and combination of these requires a multidisciplinary approach and information technology solutions. In the era of molecular oncology, this information is discussed in Molecular Tumor Boards and Oncoteams, and by integrating the patient history, clinical and molecular profile with the up-to-date scientific results, and by ranking the levels of evidence relevant to the patient, the most appropriate treatment strategy is designed.

KEYWORDS: precision medicine, molecular oncology, targeted therapy


BEVEZETÉS A Humán Genom Projekt 2003-as befejezésével elérhetővé vált a humán genom szekvenciája (13), amelyet ’normál templátként’, referencia szekvenciaként használva a különféle daganatokban előforduló genetikai elváltozások vizsgálatára is lehetőség nyílt. A Cancer Genome Atlas Project (TCGA) során a főbb daganattípusok genomi analízisét végezték el, és 2013-ra publikálták a főbb daganattípusok genomi profilját is (4). A daganatok molekuláris profiljának részletesebb megismerése új fejezetet nyitott a kezelési stratégiák terén, és ma már bizonyított, hogy az egyes daganattípusokban előforduló molekuláris elváltozások egyben új támadáspontokat is jelentenek, amelyek biztosíthatják a daganatok célzott és hatékonyabb kezelését.

A DAGANATOK GENOMI PROFILJÁNAK FUNKCIONÁLIS ÉS BIOINFORMATIKAI ANALÍZISE DAGANAT GENOMI PROFIL – PARADIGMA-VÁLTÁS AZ ONKOLÓGIÁBAN A daganatsejtek és daganat szövetek patológiai jellemzése döntő fontosságú a daganat diagnosztika során, ám ez a kizárólag fenotípusos vizsgálaton alapuló leírás nem képes azonosítani a betegség kialakulásának hátterében álló lehetséges mechanizmusokat. Ma már számos tudományos eredmény bizonyítja, hogy egyes genetikai alterációk jelenléte szöveti eredettől függetlenül képes az egészséges, normál sejtek transzformálására. Egyes genetikai alterációk jelenléte pedig szignifikánsan növeli bizonyos daganattípusok kialakulásának kockázatát. Ilyenek például a herediter káros BRCA mutációk, amelyek jelenléte pozitív korrelációt mutat az emlő- és a petefészek daganatok kialakulásával (5); vagy mismatch repair génekben hordozott örökletes mutációk Lynch szindróma esetén, amely növeli például a vastagbél daganatok kialakulásának kockázatát (6). A TCGA projekt kapcsán publikált tudományos eredmények szerint minden daganattípus hordoz 2-8 darab DNS-szintű molekuláris elváltozásot (génmutációt), amely nagyban hozzájárul az onkogenikus transzformáció és progresszió patomechanizmusához (7). Ezen molekuláris alterációk azonosítása nem kizárólag diagnosztikai jelentőséggel bír, hanem prevenciós stratégia tervezésére is alkalmas lehet, valamint lehetővé teszi a daganatok molekuláris ’kóroki’ jellemzését és célzott terápiás hatóanyagok alkalmazásával a betegség okának (nem pedig a betegség tüneteinek, következményeinek) kezelését. Ez a molekuláris mechanizmuson alapuló terápiás szemlélet jelenti a molekuláris onkológia és a precíziós onkológia alapelvét és a legfontosabb paradigma-váltást a mai onkológiai gyakorlatban.


MUTÁCIÓ, SNP, VUS, DRIVER, PASSENGER A DNS replikáció folyamata során keletkező új DNS szálon egy nukleotid vagy akár egy hosszabb DNS szakasz is eltérhet az eredeti DNS kópiában található szekvenciától. Ezt a természetes folyamatot DNS mutációnak, a mutáció eredményeképpen kialakuló új DNS változatot pedig mutáns DNS-nek illetve mutáns génnek nevezzük. Ha a mutáció az ivarsejtek DNS-ében alakul ki, csírasejtes (germline) mutációról beszélünk, amely az összes utódban öröklődik. Ha az öröklött mutáció valamiféle előnyös tulajdonságot biztosít, neutrális hatású, de legalábbis nem csökkenti jelentősen az utódok reproduktív élettartamát, a mutáció elterjedhet a populációban és a mutációt hordozó egyedek száma jelentősen növekedhet. Ha egy DNS mutáció a populáció több mint 1%-ában megtalálható, a mutációt a humán DNS szekvenciában bekövetkező „normál” variációnak tekintjük, és polimorfizmusként (SNP, single nucleotide polymorphism) definiáljuk. Ha a genetikai variáció hátrányos és csökkenti a variációt hordozó egyedek fitness-ét, „káros” (deleterious) mutációról beszélünk. A polimorfizmusok és a káros mutációk biológiai manifesztációja között gyakran nem figyelhető meg éles határvonal. Bizonyos SNP-k növelhetik egyes betegségek, mint például a daganatok kialakulásának kockázatát, de egyedi hozzájárulásuk a betegség patológiájához általában nem számottevő és csak más SNP-ekkel kombinációban képesek hatásukat kifejteni, pl. poligénes szindrómák esetén. A valódi deleterious mutációk ezzel szemben önmagukban is meghatározó szerepet játszanak egy-egy betegség fenotípusának kialakításában, és magas penetranciát mutatnak. Számos génmutáció biológiai jelentőségéről még nem áll rendelkezésre adat, ezeket a mutációkat ún. VUS-ként (variant of unknown significance) definiáljuk. Az osztódó testi (szomatikus) sejtekben is bekövetkezhet mutáció a DNS replikációja során. A szomatikus mutációk kizárólag az alapító (founder) sejtekben és azok utódsejtjeiben (klónjaiban) találhatók meg. A szomatikus mutációk többsége nem bír funkcionális relevanciával: az ún. „néma” (silent) mutációk nem eredményeznek aminosav cserét a képződő fehérjetermékben, bizonyos mutációk pedig a genom nem-kódoló régióit érintik. Előfordulhat, hogy a kialakuló mutáció funkcionális következményekkel bír, de nem befolyásolja számottevően a mutációt hordozó sejt növekedését és túlélését. Ezeket a szomatikus mutációkat „passenger” mutációknak nevezzük (8, 9). Ha egy funkcionális relevanciával bíró mutáció olyan génben következik be, amely fontos szerepet tölt be a sejt proliferációs, túlélési vagy érési (differenciációs) folyamataiban vagy a DNS hibajavítás folyamatában, és ez a mutáció szelektív növekedési előnyt biztosít a sejtnek, a


mutációt hordozó klónok túlnövik a normál, „egészséges” sejteket, és daganatképződést indukálnak. Azokat a mutációkat, amelyek növekedési előnyt biztosítanak a mutációt hordozó sejtnek, ún. „driver” mutációnak, a driver mutációkat hordozó géneket pedig driver géneknek nevezzük (7). Fontos megjegyezni, hogy a driver génekben is előfordulhatnak funkcionálisan irreleváns, passenger mutációk. Az aktiváló driver mutációkat hordozó géneket onkogéneknek, az inaktiváló driver mutációkat hordozó géneket pedig tumor szupresszor géneknek nevezzük.


A COSMIC (CATALOGUE OF SOMATIC MUTATIONS IN CANCER) ADATBÁZIS BIOINFORMATIKAI ANALÍZISE A daganatokban előforduló szomatikus mutációk listája a COSMIC (Catalogue of Somatic Mutations in Cancer) adatbázisban hozzáférhető. Bert Vogelstein és kollégái 2013-as publikációjukban közölték a COSMIC adatbázis bioinformatikai analízisének eredményét (7). Feltételezésük szerint a „véletlenül” kialakuló szomatikus vagy passenger mutációk egyenletes eloszlást mutatnak. Ezzel szemben, a tumor eredetű szövetminták genomjának azonos forrópontjaiban (hot-spot) feldúsuló mutációk arra utalnak, hogy ezek a hot-spot alterációk növekedési előnyt biztosítottak az őket hordozó daganatsejteknek, amely végsősoron ezen driver gének adatbázisban megfigyelhető over-reprezentációjához vezetett. Az analízis során a szerzők 138 driver gént (onkogén vagy tumor szupresszor) azonosítottak, amelyek szelektív növekedési előnyt képesek biztosítani a daganatsejtekben. Leírták, hogy az onkogénekben előforduló mutációk legalább 20%-a ún. mutációs forrópontokban (hot-spot) halmozódik fel; míg a tumor szupresszor génekben előforduló mutációk több mint 20%-a funkcióvesztéses (loss-of-function/nonszensz) mutáció („20/20 szabály”). A tanulmány szerint egy daganatot átlagosan 2-8 génben előforduló driver mutációk kombinációjával jellemezhetünk. A molekulárisan célzott terápiás stratégiák a driver alterációk jelenlétét használják ki a daganatsejtek specifikus célzásához és hatékony elpusztításához (7).

MOLEKULÁRIS DIAGNOSZTIKA ÉS MOLEKULÁRISAN CÉLZOTT TERÁPIA A MOLEKULÁRIS DIAGNOSZTIKA TECHNOLÓGIAI LEHETŐSÉGEI A molekuláris onkológia elterjedéséhez nagyban hozzájárult a genomi alterációk azonosításában alkalmazott szekvenálási technológiák robbanásszerű fejlődése. A polimeráz láncreakción (PCR, polymerase chain reaction) alapuló szekvenálási módszerek kiemelkedően szenzitív, robosztus és jól reprodukálható analízist tesznek lehetővé. A Nobel díjas Frederick Sanger nevéhez köthető Sanger szekvenálás (dideoxy chain termination sequencing) – amely a Human Genom Projekt elsődlegesen alkalmazott módszere is volt – extrém specificitásának köszönhetően a mai napig gold-standard a szekvenálási metódusok között, azonban, a genomi éra beköszöntével szükségszerűvé vált az újabb technológiai innováció. Az újgenerációs szekvenálási (NGS, nextgeneration sequencing) megoldásokat elsőként 2005-ben közöltek (10, 11), 2008-ban pedig


publikálták James Watson, a DNS-szerkezet egyik felfedezőjének individuális genom szekvenciáját (12). Az NGS technológia nagy kapacitásának és érzékenységének köszönhetően a tumor genom kutatások robbanásszerű fejlődéséhez vezetett. NGS-alapú technológiákat (NGS szekvenátor és NGS-alapú diagnosztikai panelek) már az FDA (US Food and Drug Administration) is elfogadott in vitro diagnosztikai célokra (13). A molekuláris patológiai laboratóriumok által használt hot-spot specifikus PCR/real-time PCR alapú technikák gyorsak és érzékenyek, de az ultra-szenzitivitásuk miatt fals pozitív eredményeket generálhatnak. Fontos megjegyezni, hogy a hot-spot panelek által a jelenleg ismert káros (deleterious) vagy driver mutációk legnagyobb része lefedhető, azonban a folyamatos kutatások során megismerjük a további gén alterációk funkcionális jelentőségét is; így a hot-spot PCR alapú panelek alkalmazásával előfordulhat, hogy funkcionálisan jelentős génmutációk nem kerülnek azonosításra. A másik gyakran alkalmazott módszer, a Sanger szekvánálás szintén nagyon specifikus detekciót tesz lehetővé, azonban csak 20-30%-os tumorsejt-arány mellett elég érzékeny a mutációk kimutatására. Az NGS technológiák egyedi DNS molekulák százainak, ezreinek vagy millióinak egyidejű szekvenálásán (massively parallel sequencing) alapulnak, és napjainkban egyértelműen meghatározó szerepet töltenek be a molekuláris diagnosztikai gyakorlatban. Az NGS technológiák teljes genom szekvenálásra is alkalmasak, de a tumor diagnosztikai eljárások során napjainkban leggyakrabban célzott re-szekvenálásra (targeted re-sequencing) alkalmazzák. A tumor típusokra szabott teszt panelek kb. 20 gént, míg a klinikai relevanciával bíró gének hot-spot panelei jellemzően 50-100 gént vizsgálnak. Kiemelendő, hogy a nagyobb onkológiai centrumokban, mint például az egyesült államokbeli MD Anderson Cancer Center, a Sloan-Kettering Cancer Center vagy a Columbia University, akár 400-500 gén átfogó szekvencia vizsgálatát is elvégzik rutin diagnosztikai eljárások során. Az NGS technológia előnye, hogy a kiválasztott genomi szakaszban minden mutációt képes azonosítani. A módszer érzékenységét és specificitását elsősorban a szekvenálás „lefedettsége” (coverage) és „mélysége” (depth) határozza meg, amelyet az azononos régiót lefedő megszekvenált DNS molekulák száma reprezentál. Minden szekvencia egy „leolvasásnak” (read) felel meg, az azonos régióra vonatkoztatott leolvasások száma pedig a szekvenálás „mélységét” reprezentálja. A germline mutációk detektálásához szükséges minimum depth 10-20x, míg a szomatikus mutációk detektálásához 100x≤ depth szükséges. Mivel a vizsgálandó szövetmintában a szomatikus driver mutációt hordozó daganat sejtek mellett mutációt nem hordozó, normál


sejtek (fibrociták, endothel sejtek, limfociták) is megtalálhatóak, az analízis során az egészséges sejtekből származó DNS „kihigítja” az analizálni kívánt daganatsejtekből származó DNS-t. Ez magyarázza, hogy a vizsgálat optimális kimeneteléhez magas lefedettség szükséges; indokolja továbbá, hogy a célzott re-szekvánálás költsége jelenleg viszonylag magas a teljes genom szekvenáláshoz képest.

CÉLZOTT MOLEKULÁRIS TERÁPIA, ’COMPANION DIAGNOSTICS’, ’COMPANION THERAPEUTICS’ A molekulárisan célzott terápiás stratégiák a daganatszövet molekuláris profiljának analízise során azonosított driver alterációk jelenlétét használják ki a daganatsejtek specifikus célzásához és hatékony elpusztításához (14). A driver alterációk jelenléte pozitív illetve negatív biomarkere is lehet egy-egy célzott vegyület hatékonyságának: a driver mutáció pozitívan korrelálhat a mutáns gén termékét közvetlenül vagy közvetetten célzó hatóanyagra adott terápiás válasszal, de rezisztenciát is okozhat más driver alterációkat célzó hatóanyagokkal szemben. Tüdő daganatokban gyakori driver alteráció az EGFR gén mutációja vagy amplifikációja. Az EGFR génben számos pontmutációt leírtak, melyek közül az 19-es és a 21-es exonban elhelyezkedő mutációk (pl. L858R) érzékenyítenek, míg a 20-as exonban elhelyezkedő mutációk (pl. T790M) rezisztenciát okoznak EGFR inhibitorokra (15). A tüdő indikációban törzskönyvezett célzott hatóanyagok listáját az 1. táblázat foglalja össze, amelyben szerepelnek az egyes gyógyszerekhez kapcsolt diagnosztikai tesztek is.


1. táblázat. Tüdő indikációban törzskönyvezett célzott hatóanyagok, és a hozzájuk kapcsolt molekuláris genetikai alterációk. Az NCCN (National Comprehensive Cancer Network) nem-kissejtes tüdő indikációra vonatkozó ajánlásában már szerepel az NGS-alapú molekuláris profil vizsgálat. Az USA vezető onkológiai központjaiban ma már rutinszerűen alkalmaznak 300-400 génes teszteket. Az NCCN szintén több olyan off label kezelést javasol ahol a molekuláris célpont a kezelés alapja. Például trastuzumabot HER-2 pozitív és dabrafenib-et BRAF mutáns tüdőrákban (2. táblázat). Számos evidencia támasztja alá a molekuláris profilon alapuló kezelések hatékonyságát. Leírták, hogy az ALK transzlokációt hordozó tüdő daganatok kezelésére alkalmazott ALK gátló crizotinib a ROS1 molekulát is hatékonyan gátolja. Néhány esettanulmány amely alátámasztotta a ROS1 transzlokált tüdő indikációban (off-label) alkalmazott crizotinib hatékonyságát, elegendő volt ahhoz, hogy a crizotinib ROS1 pozitív tüdő daganatok kezelésére történő alkalmazása széles körben elfogadottá és finanszírozottá is váljon (16-18).


2. táblázat. Az NCCN ajánlás szerint tüdő indikációban alkalmazható off-label hatóanyagok, és a hozzájuk kapcsolódó genetikai alterációk.

A szolid tumor indikációban releváns hatóanyagok közül jelenleg összesen 33 féle célpontra ható 39 célzott gyógyszer van forgalomban, összesen 22 daganat típusban (3. táblázat). Klinikai vizsgálatokban pedig további több mint 250 célzott hatóanyag elérhető. A 4. táblázatban a szolid daganatokban törzskönyvezett célzott immun checkpoint inhibitor hatóanyagokat tüntettük fel.


-TRASTUZUMAB EMTANSINE INIB INIB CIZUMAB ZANTINIB INIB XIMAB METINIB TINIB AFENIB SUMAB TINIB OLIMUS INIB INIB TINIB ATINIB TUMUMAB EDANIB ARIB ERTINIB OCICLIB TUMUMAB PANIB UZUMAB UCIRUMAB RAFENIB FENIB TINIB IROLIMUS ETINIB TUZUMAB DETANIB URAFENIB ODEGIB FLIBERCEPT

CÉLZOTT TERÁPIA

CÉLPONT

HER2 EGFR, HER2 KIT, PDGFRβ, VEGFR1/2/3 VEGF ligand FLT3, KIT, MET, RET, VEGFR2 ALK EGFR MEK ALK, MET BRAF RANKL EGFR mTOR EGFR KIT, PDGFR, ABL EGFR, HER2 VEGFR2 EGFR FLT-3, FGFR, PDGFR, SRC, VEGFR PARP EGFR CDK4, CDK6 EGFR PDGFR, KIT, VEGFR HER2 VEGFR2 KIT, PDGFRβ, RAF, RET, VEGFR1/2/3 PDGFR, KIT, RAF, VEGFR VEGFR2, PDGFR, KIT, FLT3 mTOR MEK HER2 EGFR, RET, VEGFR2 BRAF PTCH, SMOOTHENED PGF, VEGFA/B

GYÓGYSZER NÉV

KADCYLA GILOTRIF INLYTA AVASTIN COMETRIQ ZYKADIA ERBITUX COTELLIC XALKORI TAFINLAR XGEVA TARCEVA AFINITOR IRESSA GLEEVEC TYKERB LENVIMA PORTRAZZA VARGATEF LYNPARZA TAGRISSO IBRANCE VECTIBIX VOTRIENT PERJETA CYRAMZA STIVARGA NEXAVAR SUTENT TORISEL MEKINIST HERCEPTIN CAPRELSA ZELBORAF ERIVEDGE ZALTRAP

KAJOFI Invest Kft. Budapest, Ribáry utca 5.. H-1022 ASTROCYTOMA x

BAZÁLSEJTES CARCINOMA x

CSONT ÓRIÁSSEJTES TUMOR x

EMLŐ TUMOR x (HER2+)

x (HER2+)

ER+, HER2-

x (HER2+)

x (HR+, HER2-)

x (HER2+)

MÉHNYAK TUMOR x

COLORECTÁLIS TUMOR x

x

x (KRAS wt)

x (KRAS wt)

x

DERMATOFIBRO-SARCOMA PROTUBERANS x

PETEVEZETÉK TUMOR x

GYOMOR TUMOR/GEJ ADENOCC. x (HER2+)

GLIOBLASTOMA x

GIST x

x

x (KIT mut)

HEPATOCELLULÁRIS x

FEJ-NYAK LAPHÁM x

MEDULLÁRIS PAJZSMIRIGY TUMOR x

x

MELANOMA x (BRAF V600 mut)

x (BRAF V600 mut)

x (BRAF V600 mut)

x (BRAF V600 mut)

NEM-KISSEJTES TÜDŐ TUMOR x

x (EGFR-T790M mut)

x x

x (EGFR exon 19 del, exon 21 subst, L858R)

x

x (ALK fusion)

x (ALK fusion)

x

x (EGFR exon 19 del, exon 21 subst, L858R)

EPITHELIÁLIS PETEFÉSZEK TUMOR x (BRCA mut)

x

HASNYÁLMIRIGY TUMOR x

x

PNET x

ELSŐDLEGES PERITONEÁLIS TUMOR x

x x x

x

x

x

VESESEJTES CARCINOMA

x

x

PAJZSMIRIGY TUMOR

VESESEJTES TUMOR

IPILIMUMAB

YERVOY

CTLA-4

x

NIVOLUMAB

OPDIVO

PD-1

x

x

x

PEMBROLIZUMAB

KEYTRUDA

PD-1

x

x

CÉLZOTT TERÉPIA

GYÓGYSZER NÉV

CÉLPONT

MELANOMA

NEM-KISSEJTES TÜDŐ TUMOR

3. táblázat. A jelenleg forgalomban lévő, szolid daganat indikációban releváns célzott hatóanyagok. A törzskönyv által előírt kísérő diagnosztikai (companion diagnostics) vizsgálatokat zárójelben tüntettük fel.

4. táblázat. A jelenleg forgalomban lévő célzott immun checkpoint inhibitor hatóanyagok.

A törzskönyvezett célzott terápiás hatóanyagok száma folyamatosan nő (1. ábra). Ezzel egyidejűleg, azt a megközelítést amikor egy már elérhető gyógyszerhez keressük a megfelelő diagnosztikai vizsgálattal (companion diagnostics; pl. EGFR teszt az EGFR tirozin kináz inhibitorok esetében vagy a RAS teszt az EGFR gátló monoklonális antitestek esetében) a vélhetően legjobban reagáló beteget egyre inkább felváltja az a szemlélet, amikor a beteg számára próbáljuk kiválasztani a legoptimálisabb, a genetikai profiljának is megfelelő hatóanyagot (kísérő terápia, companion therapeutics). Ezzel a megközelítéssel, szemben az adott gyógyszerhez kötött 1-1 gén vizsgálatával, azt vizsgáljuk, hogy adott beteg molekuláris profiljától függően melyik lenne a legelőnyösebb kezelési stratégia.


Törzskönyvezésre került célzott terápiák száma évekre bontva 7

6

6

6

5

5

4

4

3

3 2

4

2 1

2

2

2

2006

2007

2009

1

1 0 1998

2003

2004

2005

2011

2012

2013

2014

2015

1. ábra. Törzskönyvezésre került célzott terápiák száma évekre bontva. A több gén mutációs mintázatát elemző vizsgálatok idő- és költséghatékonyak, és az egygénes vizsgálatokhoz köthető terápiás stratégiáktól eltérő ajánlásokat is eredményezhetnek. Az erlotinib nem-kissejtes tüdő carcinoma (NSCLC) másodvonalas alkalmazásához például vizsgálják a KRAS gén mutációs státuszát a rezisztenciát okozó mutációk kizárásához, vagyis a terápiás relevanciával bíró kísérő diagnosztikai vizsgálat a KRAS genetikai teszt. KRAS vad típusú státusz esetén az erlotinib NSCLC második vonalas kezelésére finanszírozottan alkalmazható. Ezzel szemben, ha a crizotinibet szeretnénk alkalmazni NSCLC-ben második vonalban, vizsgálnunk kell az ALK transzlokáció jelenlétét, amely magas terápiás választ eredményez ALK inhibitorokra, azonban 0% válaszadási arányt mutat erlotinibbel szemben. Az erlotinib kötelező kísérő diagnosztikai protokollja azonban nem írja elő az ALK gén transzlokációjának vizsgálatát. A molekuláris onkológia korában tehát a daganat iniciáció és progresszió molekuláris mechanizmusának megértésével, vagyis a molekuláris profil komplex analízisável és interpretációjával választjuk ki a beteg számára megfelelő, legoptimálisabb kezelési stratégiát. Ez a komplex folyamat multi-diszciplináris Molekuláris Tumor Board-ok és információs technológiák fejlesztését és alkalmazását is igényli.


A BIOINFORMATIKA SZEREPE A DAGANATOK MOLEKULÁRIS PROFILJÁNAK ÉRTELEMEZÉSÉBEN, KLINIKAI RELEVANCIÁJÁNAK MEGHATÁROZÁSÁBAN ÉS HATÉKONY KEZELÉSI STRATÉGIÁK TERVEZÉSÉBEN MATEMATIKAI ONKOLÓGIA A COSMIC adatbázisban jelenleg több mint 3 millió mutációt írtak le, mintegy 500 génben. Emellett több mint 800 000 kópiaszám változás (CNA, copy number alteration) (transzlokáció, kópiaszám növekedés, deléció) is szerepel az adatbázisban. Egy-egy daganatot átlagosan 2-8 driver gén mutáció jellemezhet (7), ami matematikailag az egyéni kombinációk számát milliárdos nagyságrendbe emeli. Bár biológiai megfontolások és klinikai tapasztalatok szerint bizonyos kombinációk a természetben nem fordulnak elő (pl. driver mutációk szimultán jelenléte ugyanazon jelpályán szereplő génekben) (7), a lehetséges molekuláris kombinációk és a mintázatokhoz köthető célzott terápiás lehetőségek vagy klinikai vizsgálatok száma mégis hatalmas. Ezért bioinformatikai eszközökre van szükség a tumor genetikai profiljának molekuláris és klinikai interpretációjához valamint a személyre szabott, célzott terápiás lehetőségek naprakész követéséhez. A genetikai alterációk biológiai relevanciájának klinikai annotálását számos nyilvános és hozzáférhető adatbázis, mint például az NCBI (National Center for Biotechnology Information) dbSNP (SNP adatbázis) vagy clinVar (genetikai alterációk klinikai vonatkozását feldolgozó adatbázis) segíti. A személyre szabott kezelési stratégiák kialakítása során tehát a beteg kórtörténete mellett a genetikai alterációkat, azok funkcionális jelentését, a publikált tudományos eredményeket valamint a rendelkezésre álló konvencionális (kemoterápiás) valamint célzott terápiás hatóanyagok arzenálját és azok elérhetőségét (törzskönyvezett-e, közfinanszírozott-e, klinikai vizsgálat keretében hozzáférhető-e), továbbá a nemzetközi ajánlásokat kell a kezelőorvosnak naprakészen követnie és összekapcsolnia. Ezeket az információkat azonban nagyon nehéz, vagy lehetetlen információ technológiai eszközök nélkül követni. Az információs forradalom végre elérte az egészségügyet és különösen a precíziós orvoslást. Ma a biotechnológiai iparon belül a digitális egészségügy („digital health”) a molekuláris orvoslás legdinamikusabban fejlődő területe. A jövő molekuláris orvosának meg kell tanulnia használni azokat a szoftvereket amelyek a döntéseit támogatják a rutin klinikai gyakorlata közben. Az orvosi szoftvereket az FDA (US Food and Drug Administration) és az EMA (European Medicines Agency) orvosi eszközként ismeri el és szabályozza. Az orvosi döntéstámogató szoftverek használata tehát a fent felsorolt információk integrálásával biztosítja, hogy a kezelőorvos számára minden adat rendelkezésre álljon a


daganatos betege részére, a tudomány aktuális eredményeinek felhasználásával kialakított, legoptimálisabb kezelési stratégia kiválasztásához. EVIDENCIA-ALAPÚ ORVOSLÁS ÉS MOLEKULÁRIS TUMOR BOARD – A SZEMÉLYRE SZABOTT KEZELÉSI STRATÉGIÁK FINOMHANGOLÁSA A molekuláris onkológia és a célzott terápiás stratégiák legújabb eredményeit felhasználva, a vezető onkológiai központok interdiszciplináris Molekuláris Tumor Board-on, molekuláris patológusok, molekuláris onkológusok, molekuláris biológusok, genetikusok és info—bionikusok részvételével tervezik meg az evidenciák és a klinikai tapasztalatok szerint elérhető, legoptimálisabb, a daganat molekuláris profilján alapuló személyre szabott terápiát. A molekuláris profil funkcionális és klinikai interpretációja jelenleg az elérhető tudományos evidenciákon alapul, azonban a PUBMED adatbázisban található 24 millió, naponta frissülő biológiai-orvosi vonatkozású publikáció feldolgozása, a publikált eredmények összehasonlítása és relevanciájának meghatározása új megközelítéseket és informatikai eszközök alkalmazását igényli. Az evidencia-alapú orvoslás célja, hogy a beteg az elérhető tudományos evidenciák alapján a számára személyre szabottan megtervezett legoptimálisabb kezelésben részesüljön, amely a molekuláris onkológiai gyakorlatban a biomarkerek és célzott terápiák közti asszociációk valamint a kezelések molekuláris hatásmechanizmusának integrálását jelenti. Számos, a közelmúltban megjelent publikáció tett javaslatot arra, hogy a molekuláris célpontokra és az ezeket célzó hatóanyagokra vonatkozó tudományos evidenciákat hogyan lehetne a standard kezelésekre vonatkozó evidenciákhoz hasonlóan súlyozni (19-21). A leírt evidencia szint rendszerek mindegyike különbséget tesz az on-label (vagyis a beteg indikációjában törzskönyvezett) és forgalomban lévő de más tumor típusokban törzskönyvezett hatóanyagok és a hozzájuk kapcsolt biomarkerek között; a preklinikai (in vitro, sejt- vagy állatmodelleken végzett kísérleti eredmények) és a klinikai evidenciák valamint a feltételezett vagy például in silico módszerrel prediktált kapcsolatok között. A klinikai eredményeket pedig esetszám (klinikai vizsgálatok vs esettanulmányok) szerint is megkülönböztetik. A molekuláris profil interpretáció első lépése a daganatban detektált molekuláris elváltozások következő csoportokba történő sorolása: szekvenálási műtermékek, polimorfizmusok, öröklött káros (deleterious) mutációk, szomatikus passenger mutációk és szomatikus driver mutációk.


Az interpretáció következő lépése annak meghatározása, hogy a herediter káros valamint a szomatikus driver mutációk direkt vagy indirekt módon célozhatóak-e és pozitív vagy negatív asszociációt mutatnak gyógyszeresen támadható (druggable) célpontokkal vagy molekulárisan célzott hatóanyagokkal a vizsgált vagy egy másik daganat típusban illetve szövettanban. Az onlabel vagy off-label alkalmazások támogatását, finanszírozási lehetőségeit és lehetséges mellékhatásait figyelembe véve és a beteg klinikai státuszához és preferenciájához igazítva alakítható ki a molekuláris szempontból releváns hatóanyag lista. A következő lépésben a beteg molekuláris profiljának megfelelő klinikai vizsgálatok keresése zajlik, amelyben a beteg klinikai illetve molekuláris paramétereinek megfelelő szűréssel a legoptimálisabb vizsgálatok kiválaszthatóak. Fázis I és II klinikai vizsgálatok meta analízisének eredményei azt mutatják, hogy azok a betegek, akiket molekuláris kritériumok alapján szűrtek klinikai vizsgálatba, hosszabb progressziómentes- és teljes túlélést mutattak, mint a molekuláris profilra nem szűrő karban kezelt betegek (22-24). Végül a beteg daganatának szempontjából releváns, mind standard mind célzott kezelési stratégiákra vonatkozó evidenciák szintjének mérlegelése után alakul ki a terápiás döntés.

TUMOR HETEROGENITÁS, REZISZTENCIA, KOMBINÁCIÓS TERÁPIA A molekuláris onkológia legnagyobb kihívását a célzott terápiás hatóanyagokkal szemben kialakuló rezisztenciához vezető molekuláris mehanizmusok jelentik, mint például a target génben bekövetkező másodlagos (rezisztenciát okozó) mutációk kialakulása vagy más jelpályán található génekben bekövetkező újabb driver mutációk megjelenése (’pathway switch’). Egy daganatban átlagosan 2-8 driver gén fordul elő (7), de már akár néhány driver genetikai alteráció megjelenése is okozhat rezisztenciát monoterápiában alkalmazott célzott terápiás hatóanyagokkal szemben (pl. tüdő vagy colorectalis daganatokban a KRAS pontmutáció rezisztenciát okoz az EGFR inhibitorokkal szemben). Általában elmondható, hogy az egy domináns driver alterációval rendelkező daganatok jobban célozhatóak, és célzott kezelésük hatékonyabb, mint a több driveres daganatok. Egy domináns driverrel rendelkező tumor típusok célzott kezelésére példa az EGFR tirozin kináz gátlók alkalmazása EGFR szenzitizáló mutációt hordozó, vagy ALK inhibitorok alkalmazása ALK transzlokált tüdő daganatos betegek esetében. Bár ezekben az esetekben nagyon kedvező terápiás válaszadási arány és progressziómentes túlélés figyelhető meg (25-27), 0,5-2 év elteltével a daganatban a célzott kezelésre rezisztens klónok jelennek meg. Egy populációgenetikai megközelítésen alapuló matematikai modell szerint egy 1 cm nagyságú


daganatban már jelen vannak a másodlagos rezisztenciát okozó molekuláris eltéréseket hordozó daganatsejtek (28), így a monoterápiák illetve a szekvenciálisan alkalmazott monoterápiák elméletben soha nem lehetnek megfelelő hatékonyságúak. A modell szerint azonban a megfelelően kiválasztott célzott hatóanyag kombinációk nagy valószínűséggel vezetnek a daganatsejtek eliminációjához.

A PRECÍZIÓS ORVOSLÁS JELENE ÉS JÖVŐJE A precíziós onkológia és a személyre szabott kezelési stratégiák alkalmazása a mai onkológiai gyakorlatban is egyre nagyobb teret nyer. A Journal of Clinical Oncology című, rangos folyóiratban 2014-ben közölt felmérés szerint, a felmérésben részt vevő orvosok többsége (73%) gondolta úgy, hogy a multiplex szomatikus genetikai tesztek elvégzésével növekszik a daganatos betegek kezelési lehetőségeinek száma. A részt vevő orvosok 25%-a alkalmazta a genetikai tesztet (300< gén) a betegei többségénél (> 90%) (29). Egy friss felmérés eredménye szerint, amelyet az amerikai klinikai onkológusok társaságának (ASCO) 2015-ös világkongresszusán végeztek, a részt vevő onkológusok csaknem 80%-a (n=95) rendszeresen (mindig: 12%; gyakran: 33%, néha: 36%) használt pan-daganat genomi tesztet a betegellátás folyamán. A felmérésben részt vevő orvosok több mint fele egyetértett abban, hogy a tumor genom tesztek elvégzése a legtöbb daganattípusban 5 éven belül a standard kezelési protokoll részévé fog válni (30). A hipotézist, hogy a precíziós orvoslás forradalmasíthatja a daganatos betegek kezelését, mára már számos tudományos evidencia is alátámasztja. Nemrégiben közölt klinikai eredmények szerint a személyre szabott daganatkezelési stratégia, vagyis az egyéni és specifikus genetikai mintázathoz illetve biomarkerekhez köthető célzott hatóanyagok alkalmazása, a kedvezőbb klinikai válasz független prediktív faktora, akár már fázis I klinikai vizsgálatok esetében is (22-24). A daganatok molekuláris profiljának részletes vizsgálata egyaránt ajánlott a gyógyszerfejlesztés kezdeti fázisától egészen a klinikai gyakorlatig (14, 31). A Barack Obama elnök által 2015 januárjában bejelentett Precision Medicine Initiative (32), valamint a Foundation Medicine precíziós orvoslással foglalkozó amerikai cég többségi részvényeinek Roche általi megvásárlása csak két példa, amely igazolja a precíziós medicina kutatásának és alkalmazásának jelentőségét. A töretlen tudományos és klinikai érdeklődést az


ASCO 2015 Meetingen bemutatott új innovációk, az NCI-MATCH és a TAPUR vizsgálatok vagy a CancerLinQ project is bizonyítják, amelyek célja a molekuláris és gyógyszer hatékonysági profilok közötti asszociációk további részletes elemzése (33). TÁMOGATÁS A projektet az EUREKA Nemzetközi Szervezet, valamint a Nemzeti Kutatási, Fejlesztési és Innovációs Alap támogatta. IRODALOM 1. Lander ES, Linton LM, Birren B, Nusbaum C, Zody MC, Baldwin J et al . Initial sequencing and analysis of the human genome. Nature. 2001 Feb 15;409(6822):860-921. Erratum in: Nature 2001 Jun 7;411(6838):720. Szustakowki, J [corrected to Szustakowski, J]. Nature 2001 Aug 2;412(6846):565. 2. Venter JC, Adams MD, Myers EW, Li PW, Mural RJ, Sutton GG et al. The sequence of the human genome. Science. 2001 Feb 16;291(5507):1304-51. Erratum in: Science 2001 Jun 5;292(5523):1838. 3. Istrail S, Sutton GG, Florea L, Halpern AL, Mobarry CM, Lippert R et al. Whole-genome shotgun assembly and comparison of human genome assemblies. Proc Natl Acad Sci U S A. 2004 Feb 17;101(7):1916-21. 4. Kandoth C, McLellan MD, Vandin F, Ye K, Niu B, Lu C et al. Mutational landscape and significance across 12 major cancer types. Nature. 2013 Oct 17;502(7471):333-9. 5. Paul A, Paul S. The breast cancer susceptibility genes (BRCA) in breast and ovarian cancers. Front Biosci (Landmark Ed). 2014 Jan 1;19:605-18. 6. Hampel H, Frankel WL, Martin E, Arnold M, Khanduja K, Kuebler P, Nakagawa H, Sotamaa K, Prior TW, Westman J, Panescu J, Fix D, Lockman J, Comeras I, de la Chapelle A. Screening for the Lynch syndrome (hereditary nonpolyposis colorectal cancer). N Engl J Med. 2005 May 5;352(18):1851-60. 7. Vogelstein B, Papadopoulos N, Velculescu VE, Zhou S, Diaz LA Jr, Kinzler KW. Cancer genome landscapes. Science. 2013 Mar 29;339(6127):1546-58.


8. Greenman C, Stephens P, Smith R, Dalgliesh GL, Hunter C, Bignell G et al. Patterns of somatic mutation in human cancer genomes. Nature. 2007 Mar 8;446(7132):153-8. 9. Stratton MR, Campbell PJ, Futreal PA. The cancer genome. Nature. 2009 Apr 9;458(7239):71924. 10. Margulies M, Egholm M, Altman WE, Attiya S, Bader JS, Bemben LA et al. Genome sequencing in microfabricated high-density picolitre reactors. Nature. 2005 Sep 15;437(7057):376-80. 11. Shendure J, Porreca GJ, Reppas NB, Lin X, McCutcheon JP, Rosenbaum AM, Wang MD, Zhang K, Mitra RD, Church GM. Accurate multiplex polony sequencing of an evolved bacterial genome. Science. 2005 Sep 9;309(5741):1728-32. 12. Wheeler DA, Srinivasan M, Egholm M, Shen Y, Chen L, McGuire A et al. The complete genome of an individual by massively parallel DNA sequencing. Nature. 2008 Apr 17;452(7189):872-6. 13. Lin E, Chien J, Ong FS, Fan JB. Challenges and opportunities for next-generation sequencing in companion diagnostics. Expert Rev Mol Diagn. 2015 Feb;15(2):193-209. 14. Garraway LA. Genomics-driven oncology: framework for an emerging paradigm. J Clin Oncol. 2013 May 20;31(15):1806-14. 15. Sharma SV, Bell DW, Settleman J, Haber DA. Epidermal growth factor receptor mutations in lung cancer. Nat Rev Cancer. 2007 Mar;7(3):169-81. 16. Bergethon K, Shaw AT, Ou SH, Katayama R, Lovly CM, McDonald NT et al. ROS1 rearrangements define a unique molecular class of lung cancers. J Clin Oncol. 2012 Mar 10;30(8):863-70. 17. Chiari R, Buttitta F, Iacono D, Bennati C, Metro G, Di Lorito A et al. Dramatic response to crizotinib in ROS1 fluorescent in situ hybridization- and immunohistochemistry-positive lung adenocarcinoma: a case series. Clin Lung Cancer. 2014 Nov;15(6):470-4. 18. Shaw AT, Ou SH, Bang YJ, Camidge DR, Solomon BJ, Salgia R, Riely GJ, Varella-Garcia M, Shapiro GI, Costa DB, Doebele RC, Le LP, Zheng Z, Tan W, Stephenson P, Shreeve SM, Tye LM, Christensen JG, Wilner KD, Clark JW, Iafrate AJ. Crizotinib in ROS1-rearranged non-small-cell lung cancer. N Engl J Med. 2014 Nov 20;371(21):1963-71.


19. Andre F, Mardis E, Salm M, Soria JC, Siu LL, Swanton C. Prioritizing targets for precision cancer medicine. Ann Oncol. 2014 Dec;25(12):2295-303. 20. Van Allen EM, Wagle N, Stojanov P, Perrin DL, Cibulskis K, Marlow S et al. Whole-exome sequencing and clinical interpretation of formalin-fixed, paraffin-embedded tumor samples to guide precision cancer medicine. Nat Med. 2014 Jun;20(6):682-8. 21. Meric-Bernstam F, Johnson A, Holla V, Bailey AM, Brusco L, Chen K et al. A decision support framework for genomically informed investigational cancer therapy. J Natl Cancer Inst. 2015 Apr 11;107(7). 22. Tsimberidou AM, Iskander NG, Hong DS, et al. Personalized medicine in a phase I clinical trials program: the MD Anderson Cancer Center initiative. Clin Cancer Res 2012;18:6373-83. 23. Tsimberidou AM, Wen S, Hong DS, Wheler JJ, Falchook GS, Fu S et al. Personalized medicine for patients with advanced cancer in the phase I program at MD Anderson: validation and landmark analyses. Clin Cancer Res. 2014 Sep 15;20(18):4827-36. 24. Schwaederle M, Zhao M, Lee JJ, Eggermont AM, Schilsky RL, Mendelsohn J et al. Impact of Precision Medicine in Diverse Cancers: A Meta-Analysis of Phase II Clinical Trials. J Clin Oncol. 2015 Aug 24. 25. Ku GY, Haaland BA, de Lima Lopes G Jr. Gefitinib vs. chemotherapy as first-line therapy in advanced non-small cell lung cancer: meta-analysis of phase III trials. Lung Cancer. 2011 Dec;74(3):469-73. 26. Langer CJ. Epidermal growth factor receptor inhibition in mutation-positive non-small-cell lung cancer: is afatinib better or simply newer? J Clin Oncol. 2013 Sep 20;31(27):3303-6. 27. Solomon BJ, Mok T, Kim DW, Wu YL, Nakagawa K, Mekhail T et al. First-line crizotinib versus chemotherapy in ALK-positive lung cancer. N Engl J Med. 2014 Dec 4;371(23):2167-77. 28. Bozic I, Reiter JG, Allen B, Antal T, Chatterjee K, Shah P et al. Evolutionary dynamics of cancer in response to targeted combination therapy. Elife. 2013 Jun 25;2:e00747. 29. Gray SW, Hicks-Courant K, Cronin A, Rollins BJ, Weeks JC. Physicians' attitudes about multiplex tumor genomic testing. J Clin Oncol. 2014 May 1;32(13):1317-23.


30. Boltz K. Emerging Role for Biomarkers and Implications for Care. ObR green. June 2015 Edition Vol. 9, Issue 6. ASCO 2015 Annual Meeting OBR Green Special Edition 31. Peták I, Schwab R, Orfi L, Kopper L, Kéri G. Integrating molecular diagnostics into anticancer drug discovery. Nat Rev Drug Discov. 2010 Jul;9(7):523-35. 32. Collins FS, Varmus H. A new initiative on precision medicine. N Engl J Med. 2015 Feb 26;372(9):793-5. 33. Lederman L. Innovations in Precision Medicine Introduced at ASCO 2015. ObR Green. September 2015 Edition Vol. 9, Issue 9


Evidencia alapú orvoslás a molekuláris onkológia korában

Recommend Documents