前言

TSO COMP是FDA批准的首个泛癌种CGP NGS伴随诊断IVD试剂盒，能够助力肿瘤患者实现更为精准的诊断和治疗。在欧美国家，目前可能仅有20%+的患者能够接受到精准诊疗，以美国为例，约80%在基层医院接受治疗的患者可能并不会获得较为精准的诊疗。而且在欧美国家，许多医院需要将肿瘤患者的样本送到中心实验室进行检测，这会导致检测周期较长，而TSO COMP的获批可助力患者在就诊医院包括基层医院就可以较为迅速地获得准确诊断，且能够最大限度地从每位患者的样本中找到可用于临床干预的信息，从而大大提高肿瘤精准诊疗的临床可及性和检测效率。此外，TSO COMP这种大panel NGS检测可以对500多个癌症相关基因的生物标志物进行评估，其能够同时分析 DNA 和 RNA 以及复杂的基因组特征，如微卫星不稳定性（MSI）和肿瘤突变负荷（TMB），可为患者获得更为精准的治疗决策信息提供依据。

在国内，CSCO肿瘤生物标志物委员会分别于2019年和2022年做了两次中国肿瘤NGS应用调研报告。与2019年的调研结果相比，2022年中国医生对CGP的应用需求有所增加，应用场景可覆盖靶点诊断、耐药机制分析、疾病检测、家族性遗传病分析以及临床试验入组前的检测等。我们可以看到，中国的医生已经认识到CGP在临床应用中以及临床研究中的重要价值。

目前，我国在审批以NGS为基础的靶点诊断时要求非常严格，只有对临床靶点明确，用药清晰，且在拥有临床有效性数据的情况下才会批准试剂盒。当然，目前也在和国家层面积极沟通，我们希望未来能够有所突破，使这些检测试剂盒能够获得批准。在临床实践中，对于CGP应用的规范化、标准化如何在国内取得全面落实也是目前面临的一个挑战。

此外，在2016年，我们撰写了第一版临床肿瘤学的NGS应用共识，后续也发布了《肿瘤二代测序（NGS）临床报告解读共识》。我们发现，很多临床医生尤其是基层医院的医生可能对CGP的报告解读存在一定困难。目前，基于多学科诊疗（MDT），或者说国外的MTB模式进行临床的精准诊断与治疗是十分必要的，在进行报告解读时，对于靶点变异分析尤其是共突变的明确，以及后续临床治疗决策的制定，均需要进行多学科讨论。总体而言，目前CGP在国内的发展得到了很大程度的提升，但对于临床应用方面的一些问题还需要进一步加强。

ctDNA通常是由肿瘤细胞主动分泌或在肿瘤细胞凋亡或坏死过程中释放进入循环系统中的DNA片段^[1]，由于其半衰期较短，在检测中面临着很多挑战。首先，ctDNA样本中肿瘤源DNA含量极低，因此如何检测低频突变是一个难题，通常低频突变易被背景噪音掩盖，从而影响检测灵敏度。其次，对ctDNA的检测往往会受到正常细胞胚系变异或克隆性造血细胞体系突变干扰，在实际进行数据判读时会导致假阳性结果，因此如何在高噪背景中准确的追踪到肿瘤源DNA也非常具有挑战性。此外，ctDNA数据庞大且复杂，包括基因突变、拷贝数变异（CNV）、甲基化等多种信息，如何将这些多维数据与临床信息有效整合，形成全面的解读，也是生物信息分析中的一大挑战。

针对以上挑战，我们可以采取一些策略进行应对。由于ctDNA半衰期短，在采样、建库的过程中以及后续的数据分析中，有必要进行流程的优化。同时我们也希望能够获得高覆盖度的数据，以便能够更准确地辨别样本中的低频变异、拷贝数差异和低频甲基化特征。此外，还可以开发针对低频突变的深度学习检测算法，提高低频突变检测的准确度。以及引入多种数据降噪技术和背景模型，结合机器学习算法过滤噪声数据，提高数据的特异性和准确性。

ctDNA是近几年临床应用的热点，可以用于早期诊断、靶点诊断、疾病监测、疗效预测以及耐药机制的解析。包括近几年的国际肿瘤学大会中，也有很多关于ctDNA的研究报告。在这些研究中，我们可以看到ctDNA具有重要的预测价值。通过ctDNA检测，我们可以发现有些EGFR突变患者可能还会同时伴随其他的基因变异，能够相对全面地反映患者的肿瘤分子特征。

此外，基于ctDNA进行微小残留病灶（MRD）监测也是目前肿瘤领域的探索热点之一，其应用价值已得到充分显现。例如，在今年ASCO年会上，ADAURA研究提示，ctDNA-MRD 检测可能有助于识别从更长时间的奥希替尼辅助治疗中获益的患者群体，从而有助于指导患者进行个体化治疗^[2]。而且研究还提示，进行ctDNA检测可在无病生存期（DFS）事件前中位4.7个月检出MRD[2]，这一研究结果与既往研究报告基本一致，即ctDNA检测较影像学检查可提前预判复发，从而为患者提供宝贵的治疗时间。尤其是对于早期患者而言，越早发现越有可能尽快采取有效的治疗方案以达到根治目的。

当然，与组织检测相比，ctDNA检测可能仍然具有敏感性不足的问题。以及ctDNA技术的稳定性与可重复性问题，还有如何将ctDNA技术有效地转化到临床实际应用中等问题。但总体而言，我个人认为ctDNA已经进入临床，而且随着ctDNA技术的逐步完善应该会为肿瘤精准诊疗提供更多的帮助和可能性。

据我所知，在一些欧美的TOP检测机构，会同时进行组织检测和ctDNA检测，这是因为两者的检测结果可能具有差异，而ctDNA检测能够克服肿瘤空间异质性，更为全面的代表肿瘤整体的基因组成。同时，进行ctDNA检测也能够提前预判患者的疾病进程。以上这些信息均会为临床医生制定患者管理策略带来非常大的便利。对于骨转移患者（常见于乳腺癌/前列腺癌等），传统检测手段可能会存在一定局限性，而ctDNA检测作为一种辅助手段，也为骨转移患者提供了更全面、更准确的肿瘤基因信息。关于MRD，目前基于ctDNA-MRD检测状态或可指导患者进行升阶或降阶治疗，如果患者检测为ctDNA阳性，患者可能需要加强治疗；如果患者检测为ctDNA阴性尤其是持续检测阴性的患者，或可享受一段时间的“药物假期”，这样也有助于提高患者的生活质量以及延缓耐药性。

目前，多组学技术的主要应用方向包括肿瘤分类与亚型识别、治疗疗效预测、肿瘤异质性分析、耐药机制研究以及联合治疗策略的开发。比如，TCGA分析涵盖了基因组数据、转录组数据，也涵盖了表观遗传学数据，特别是甲基化数据。通过这些多维度的数据分析，能够将肿瘤细分为几十个亚型。这表明，我们对疾病的理解已经与过去不同，即不再单纯认为肿瘤是单一变异导致的，而是复合基因变异共同作用的结果。因此，在临床转化上，这意味着可能需要联合靶向多个靶点才能获得更好的治疗效果。这也是当前许多临床研究在制定联合治疗方案时的重要依据。

此外，在2020年-2021年分别有几个机构对肺鳞癌和肺腺癌进行了多组学研究。有研究者分别对肺鳞癌和肺腺癌进行了系统性多组学分析，包括DNA测序、表观遗传学测序、转录组测序，磷酸化蛋白质组学以及乙酰化蛋白质组学分析，多维分析结果提示，对于肺鳞癌和肺腺癌，目前仍然可以进一步进行更为精准的分子分型。这种更为精确的分型，可以帮助我们判断患者预后，并指导患者的后续治疗选择。我们从多组学的数据分型中也可以观察到复合变异，比如EGFR突变伴TP53突变；也可以观察到新靶点，比如鳞癌中的LSD1和EZH2。

总体而言，多组学在帮助我们理解疾病以及预后分型、靶点诊断方面均提供了直接证据。虽然目前针对多组学数据的标准化和整合非常困难，但多组学研究仍然为我们带来了庞大且有价值的数据。从所获取的这些数据中我们可以深入了解肿瘤微环境的特性，揭示肿瘤细胞亚克隆的进化，并鉴定出在进化过程中哪些主导性克隆能够作为潜在靶点，这其中蕴含着巨大的临床转化价值，未来需要进行更为深入的探索。

MSI是DNA复制过程中形成大量移码突变、引起的核苷酸重复单元数量改变的现象^[3]。MSI与肿瘤的发生、发展及预后密切相关。

在过去数年间，我们团队开发了系列MSI检测工具，首先是基于normal-tumor基因组比较的MSIsensor，后续也推出了tumor-only的MSIsensor-pro，最近还开发了基于表达数据的MSIsensor-RNA，能够从单细胞和空转数据中判别单个细胞的MSI状态。MSIsensor系列方法提取最关键的序列长度差异特征，采用了数学建模方法，实现了MSI的精准检测，为发现MSI在肿瘤发生发展过程中的关键作用以及免疫治疗过程中肿瘤动态变化提供了新的工具。我们采用建模思路解决变异检测问题，其实是将纷繁复杂世界的关键因素提取出来，搭建一个简化模型，检测性能还不错。

然而，在真实世界中总有超出简化模型的大量事件，这导致临床应用过程中计算结果并不是最优。因此，我们尝试从降维角度转换为升维，将基因组、转录组和蛋白质组等多组学数据加以整合，训练出一个深度学习模型，在多种肿瘤类型检测中都展示出较好的性能。基于多组学的人工智能计算方法能够实现肿瘤分子分型、预后评估和个性化治疗。相信随着NGS数据量的进一步增大，基于人工智能的检测方案将更加完善。

目前，AI发展十分迅速。我相信AI作为能够高效处理和分析海量数据的关键技术，对于CGP报告的解读，以及对于多组学数据的处理都可以发挥出巨大的应用价值。同时通过AI这种便捷的手段，也有望进一步推动多组学数据的整合，以助力肿瘤精准医学实现更大突破。而我们Illumina目前也在与合作伙伴共同推动多组学与AI的深度融合，并致力于推动多组学研究成果在临床诊断和治疗中的应用，以助力肿瘤患者实现更为精准的诊疗以及更长久的生存！