ΟΙ ΜΕΓΑΛΕΣ ΓΕΝΩΜΙΚΕΣ ΑΝΑΔΙΑΤΑΞΕΙΣ ΑΝΤΙΠΡΩΣΟΠΕΥΟΥΝ ΤΟ 10,7% ΤΩΝ ΠΑΘΟΓΟΝΩΝ ΠΑΡΑΛΛΑΓΩΝ ΣΤΟΝ ΚΛΗΡΟΝΟΜΟΥΜΕΝΟ ΚΑΡΚΙΝΟ

Εισαγωγή: Η κληρονομική προδιάθεση στον καρκίνο εντοπίζεται περίπου στο 5-10% των συνολικών περιπτώσεων διαγνωσθέντων καρκίνων και συνδέεται με την ύπαρξη κληρονομούμενων παραλλαγών σε συγκεκριμένα γονίδια. Οι μεγάλες γενωμικές αναδιατάξεις (Copy number variations- CNVs) είναι ένας τύπος παραλλαγής που σχετίζονται με τον κληρονομούμενο καρκίνο. Σήμερα, η τεχνολογία αλληλούχησης επόμενης γενιάς (Next Generation Sequencing-NGS) έχει συμβάλει στην ανάλυση πολλών γονιδίων και χρησιμοποιείται στην κλινική πράξη για την ανάλυση των CNVs.

Σκοπός: Ανίχνευση των CNVs στους ασθενείς με καρκίνο με την χρήση του λογισμικού SeqPilot (JSI Medical Systems) και του αλγόριθμου panelcn.MOPS.

Μέθοδοι: Συνολικά, 2163 ασθενείς (1785 με καρκίνο μαστού, 267 με καρκίνο ωοθηκών και 111 με καρκίνο παχέος εντέρου) εξετάστηκαν για προδιάθεση καρκίνου, αναλύοντας 43 γονίδια με χρήση NGS.

Αποτελέσματα: Το 10,7% (50/464) στο σύνολο των παθογόνων/πιθανών παθογόνων παραλλαγών ήταν CNVs. Ειδικότερα, στους ασθενείς με καρκίνο μαστού και των ωοθηκών τουλάχιστον μία παθογόνος/πιθανή παθογόνος παραλλαγή ανιχνεύθηκε σε 362 (20,3%) και 74 (27,7%) ασθενείς και τα CNVs αντιπροσώπευαν το 10,2% (37/362) και 6,7% (5/74), αντίστοιχα. Στους ασθενείς με καρκίνο παχέος εντέρου τα CNVs αντιπροσώπευαν το 28,6% των παθογόνων/ πιθανώς παθογόνων παραλλαγών (8/28). Από τα 50 CNVs που ανιχνεύθηκαν το 72% εντοπίστηκαν σε γονίδια υψηλού κινδύνου εμφάνισης καρκίνου (50% BRCA1, 2% BRCA2, 8% PMS2, 12% MSH2), το 20% σε γονίδια ενδιάμεσου κινδύνου (16% CHEK2, 4% ATM) και το 8% σε γονίδιο χαμηλού κινδύνου (8% FANCA). Η επιβεβαίωση των ευρημάτων με την τεχνική MLPA έδειξε ότι χρήση των υπολογιστικών αλγορίθμων για ανίχνευση CNVs εμφανίζει ευαισθησία και ειδικότητα 100%.

Συμπεράσματα: Η γενετική ανάλυση στον κληρονομούμενο καρκίνο συνιστάται να περιλαμβάνει πλήρη αλληλούχηση όπως και ανάλυση CNVs των γονιδίων, συμβάλλοντας στις αποφάσεις της ιατρικής διαχείρισης των ασθενών, όπως φαίνεται από το υψηλό ποσοστό CNVs επί των θετικών ευρημάτων. Επιπλέον, οι αλγόριθμοι ανίχνευσης CNVs παρέχουν μια οικονομικά αποδοτική και εφικτή μεθοδολογία για τον προσδιορισμό τους από δεδομένα NGS.