7주차, Cancer Genetics

Report
Tools for Cancer Genetics
박웅양
삼성유전체연구소, 삼성서울병원
성균관대학교 의과대학
유전체연구소
개인별 암맞춤치료
Yesterday
Today
Tomorrow
유방암 맞춤항암치료
직장암 수술전 방사선항암치료
• Pre-op CRT purpose
– lowering local failure rates to
improve survival in resectable
cancers
– allowing surgery in primarly
intractable cancers
– facilitating a sphincterpreserving procedure
– curing patients without surgery:
very small cancer or very high
surgical risk
Pre-op CRT 효과 예측
Feature selection
Clinical decision
Prediction model
Validation
Next generation sequencing: base-level analysis
Eric Lander and Mat Meyerson, 2010
유전체연구의 임상적용 분야
• 유전자(선별)검사 (genetic screening)
– 질병발생 가능성을 미리 예측하기 위하여 특정 질병관련 유전자의 결함
유무를 질병발생 이전에 실시하는 검사
(e.g. BRCA1, APOE, Non-invasive prenatal testing)
• 유전자진단(genetic diagnosis)
– 특정 유전질환의 존재 유무에 대한 진단
(e.g. COL1A1 in osteogenesis imperfecta)
– 약물치료제 반응성 평가
(e.g. EGFR exon19 deletion for Erlotinib)
• 유전자감식(DNA typing/genetic typing)
– 유전적 다형성을 이용하여 개인식별을 위해 시행하는 DNA 분석
(e.g. HLA genotyping, paternity test)
암, 대표적인 유전질환 (genetic disease)
Translocation
Point mutation
Amplification
Deletion
BCR-ABL
EML4-ALK
RET/PTC
TP53
KRAS
BRAF
EGFR
Myc
Rb
TP53
PTEN
Clinical sequencing
Personalized cancer care
돌연변이 기반 암맞춤 치료제 개발
돌연변이에 따른 항암맞춤치료
MacConaill, Cancer Discovery, 2011
암맞춤치료를 위한 유전체정보의 활용
현재로는 별다른 방법이 없군요. 우선
은 표준치료법을 시행해 보는 수밖에…..
저에게 딱 맞는
맞춤형 치료법을
찾을 수 있을까요?
연구는 많은데, 실제로
환자에게 사용가능한
약이 별로 없군.
유전체검사를 하면
치료에 필요한 정보를
얻을 수 있을까?
매일 항암제 개발
기사가 신문에 나오
던데 나는 언제나
가능할까?
유전체 검사를 하면
도움이 될까?
Source: University of Oulu, Finland 1/15/2009 (credit: IBM)
Source: Public Library of Science (credit: IBM)
암유전체 정보를 이용한 개인별 암맞춤치료의 현황
암의 특징적인 유전체 변화는 잘 알려져 있다.
효과가 우수한 맞춤항암치료제가 많이 개발되어 있다.
그렇다면, 나에게 맞는 항암제는?
Steve Jobs
25%정도의 낮은 항암제 치료반응
(Paving the way to Personalized Medicine 2013, FDA)
왜 맞춤치료제가 제대로 듣지 않는 것인가?
유전체정보는 제대로 활용하고 있나?
Lukas Wartman
개인별 암맞춤치료를 위한 단계별 접근
Biopsy
Cancer panel seq
Pathological exam
Neoadjuvant
chemo
Tx plan
Pt selection
Adjuvant
chemo
Surgery
OncoSeq
Drug of choice
Pathological exam
in vitro drug screening
Functional analysis
Palliative
chemo
OncoSeq
Drug of choice
유전체정보기반 암맞춤치료 구현을 위한 기술요소
임상유전체분석 시스템
환자검체
(조직/혈액 등)
임상유전체기술 표준화
QC/QA 및 SOP 확보
제한된 환자시료
개인별 맞춤 진단/치료
유전체 및 임상정보
빅데이터
자동화 생명정보분석 솔루션
빅데이터 활용기술
맞춤치료 임상시험
임상적용 가능한
생명정보분석 툴
신규 암맞춤 진단치료
기술개발 및 검증
제한된 종류의 맞춤치료제
Barriers for clinical translation
• Molecular diagnostics
Choice of assay and design
Cost
Tissue quality
Tumor content
Analytical validity
Clinical Laboratory
Improvements Amendment
(CLIA) certification
– Turnaround time
– Bioinformatics analysis
–
–
–
–
–
–
• Clinical implementation
Tissue acquisition
Heterogeneity
Expert interpretation
Pathway versus tissue of
origin
– Availability of broad panels of
drugs
– Trial design and end points
– Clinical validity and utility
–
–
–
–
개인별 암유전체진단에 대한 미충족의료 수요
As-is
Needs
한번의 검사에
효율성
다양한 유전자
변이 분석
검체로부터 획득되는 샘플양이 적고
quality가 다양함
한번의 검사에 하나의 유전자 영역만 분석
가능
검사 결과의
품질
정확성을
To be
한번 검사에 다양한 유전자의 변이 분석
SNP와 Indel 이외에 CNV, Translocation
분석
NGS 기반 유전자 검사 프로세스 부재
샘플 처리, 시퀀싱, 데이터 분석 등 NGS
도입에 필요한 각 단계별 QC 기준 및
프로세스 수립
HIS 내에 Text 형식으로 간략한 결과만
제공하여, 암의 진단 및 처방을 위한
의사결정 지원이 미흡
NGS 각 단계별 분석 방법 설명 및 최종
결과에 대한 상세한 리포팅을 통한
의사의 정확한 의사 결정 지원
유전자 검사 가능 영역과 방법이 계속
진화하고 있으나, 축적된 유전자 데이터의
활용 체계가 미흡하여 대응하지 못함
검사 결과 데이터의 축적과 분석을
보장하는 품질
진단/치료
활용성
의사결정 지원을
위한 풍부한
리포팅
축적된 데이터의
확장성
활용을 통한
검사 분야 확장
통해, 새로운 유전자 검사의 연구와
도입이 용이해야 함
Targeted re-sequencing of actionable targets
• a highly multiplexed targeted resequencing assay for detecting
somatic mutations
• highly sensitive mutation detection within important cancerrelated genes, including BRAF, KRAS, and EGFR
• screen FFPE samples for clinically significant variants for many
tumor types
Cancer panel screening
• Profiling all cancer patients on 71 genes with actionable
mutations
– One-week turn-around time for final reports
– <200ng genomics DNA prepared from FFPE sample
– Validation with 1,000 FFPE samples with Sanger-proven mutation
CancerSCAN™
Personalized cancer genome analysis
유전체분석 기술 현황
분야
전장염기서열
WGS, whole genome sequencing
전장엑솜분석
WES, whole exome sequencing
전체 RNA 분석
WTS, whole transcriptome
sequencing (RNA-seq)
선택적 엑솜분석
TES, targeted exome sequencing
대상영역 시퀀싱
비용
3Gb >100Gb $6,000
60Mb
1Mb
총분석기간* 분석용량**
10일
주요 용도
1명 개인별 유전자 특성분석 (질병예측)
2-6Gb $1,000
9일
20명 질병관련 돌연변이 분석 (암, 유전질환)
1-2Gb
$800
9일
100명 질병원인 및 생물학적 특성분석
1Gb
$500
5일
100명 진단 및 특성분석
* 생명정보분석기간 포함
** Illumina HiSeq2500 Fast mode 적용시
• 염기서열 분석기기의 소형화
– 진단용 시퀀싱장비에 대한 FDA 의료기기 인증 (2013.11)
• 질병진단등 임상적용 현실화
– 미국내 CLIA 인증시설을 통한 임상진단 서비스 및 보험적용
• 유전체정보의 임상분야 활용
– 중국 BGI사의 임상분야 시퀀싱 및 유전체기반 신약개발분야 진출
CancerSCAN™ 개발목표
1.
2.
3.
4.
Low amount of DNA (>50ng)
Variety of specimen (FFPE, body fluid, FNA etc)
High sensitivity ( VAF>3%)
Low cost
As-is
SMC
Foundation Medicine
Input DNA
≥250 ng
50-200ng (tumor content 20% 이상)
PCR
6 cycles
10 cycles
Target Size
~500 Kb
약 1.5 Mb
Target Depth


Read Length
101x101
49x49
SNP
Detection
Ensemble Approach + Hotspot Call (MQ>20)
>1% at hotspot sites
>5% other sites
Bayesian Method (MQ>25)
>1% at hotspot sites
>5% other sites
INDEL
Detection
Ensemble Approach + Hotspot Call (MQ>20)
Local Assembly
> 3% at hotspot sites
>10% other sites
CNA
Detection
?
Focal amplification (>6)
Homozygous deletions (Tumor purity 20% 이상)
Gene Fusion
?
10 chimeric read pairs (MQ>30, alignment
positions)
500x (after dedup)
On-target >60%


500x (after dedup)
On-target 30~35%
암유전체진단 기술
환자의 진단과 치료에 사용할 수 있는 actionable information 제공
Turnaround time: <7days
SNV: EGFR T790M mutation
CNV: FGFR1 amplification
Translocation: ROS1-GOPC
ROS1
GOPC
Companion diagnostics
※ 출처: EPEMDE, Companion Diagnostics & Personalized Medicine, business impact on the healthcare sector (2012)
Scientific potential of campanion diagnostics
Scientific and economic potentials of CDx
Economic potential of companion diagnostics
Mckinsey, The microeconomics of personalized medicine (2010)
Translational genomics research for drug development
Hayashi, J Clin Pharm Ther 2013
Chin, Nature Med 2009
암맞춤치료 임상시험
유전체정보기반 환자 개인별 맞춤치료제 N=1 trial
Personalized Cancer
Medicine
Cancer Genomics
• Nature 2008;455:1061-8
• Cancer Cell 2010; 17(1):98-110
• Cancer Cell. 2010; 17(5):510-22
• Nature 2011: 474:609-15
• Nature 2012: 487:330-37
Personalized Drug
Development
Nature 2012; 483: 603
Personalized Clinical Trial
Initiative for Molecular Profiling
in Advanced Cancer Therapy (IMPACT)
The M.D. Anderson Cancer Center Initiative, ASCO 2011
맞춤항암치료제 개발 플랫폼
대형 제약사 중심의료  환자 중심의 개인맞춤의료
개인 맞춤
의료 체계
질병 중심
의료 체계
대
형
제
약
사
중
심
의
료
대규모
자본 투자
연구/개발
소규모
자본 투자
블록버스터 급
대량 생산
제품
개인 맞춤
소량 생산
대형 다국적
제약사가 유리
제품
벤처형 소규모
제약산업이 유리
경쟁력 확보로 의료 수출국 지위 확보
환
자
중
심
개
인
맞
춤
의
료
Detection of driver mutations
Thyroid cancer
Lung adenocarcinoma
Stomach cancer
COMPREHENSIVE CANCER
GENOME ANALYSIS
Workflow
Sample
Collection
Biopsy
Sequencing Analysis
Primary / Blood / Metastasis
Whole/targeted
exome-seq
Downstream Analysis
Approved
druggable
Tumor
Board
Sequencing
tumor board
Non-approved
druggable
Clinically associated
Point mutations and indels
Missense, nonsense, frameshift
Pathology
Copy number alterations
Amplifications, deletions, LOH
Tumor / Normal
Sample prep
No known clinical
significance
Cosmic TCGA
CTD
TTD
NCI-60 PharmGKB
DrugDank
Altered Pathway
RNA-seq
Disclosure of
Results
Gene expression
Outliers, signatures
Fusion genes
Point mutations and indels
Missense, nonsense, frameshift
Validations
Analysis report
TCGA project
®®®®
® ® ®®
Long tailed distribution of cancer genes
Cancer genes and variant allele frequency
Kidney chromophobe tumor: summary
Copy number variation in ChRCC
Kataegis and TERT in ChRCC.
Methylation and gene expression
Mitochondrial genes in ChRCC
Intratumor heterogeneity and branched evolution
revealed by multiregion sequencing
•
Genetic intra-tumor heterogeneity
•
primary tumors/associated metastatic lesions/local recurrences
– contribute to treatment failure and drug resistance
– single tumor biopsy samples to portray tumor mutational landscapes
Intratumoral heterogeneity analysis by WES
Assessing tumor heterogeneity and tracking clonal
evolution using whole genome or exome sequencing. Chris
Miller 2013 TCGA
Technical challenges in single cell genomics
V
V
Collection of single cells
Amplification
V
Detection
Collection of single cell
1.5
1.0
0.0
EGFR
Normalized AUC
2.0
352 T2(Right)
2.0
0.5
0.0
Gefitinib
Erlotinib
Afatinib
Neratinib
Lapatinib
Canertinib
AP26113
Dacomitinib
Vandetanib
AZD4547
BGJ398
PD173074
Dovitinib
INCB28060
SU11274
PHA665752
TAE684
Sorafenib
Sunitinib
Imatinib
Saracatinib
Dasatinib
CI-1040
U0126
SC353669
PLX-4720
AZ628
Purvalanol A
PD0332991
Go6976
L-685458
DAPT
XAV-939
Geldanamycin
17-AAG
Rapamycin
TMZ
Crizotinib
Taxol
SB525334
AEW541
LDE225
BKM120
0.5
Gefitinib
Erlotinib
Afatinib
Neratinib
Lapatinib
Canertinib
AP26113
Dacomitinib
Vandetanib
AZD4547
BGJ398
PD173074
Dovitinib
INCB28060
SU11274
PHA665752
TAE684
Sorafenib
Sunitinib
Imatinib
Saracatinib
Dasatinib
CI-1040
U0126
SC353669
PLX-4720
AZ628
Purvalanol A
PD0332991
Go6976
L-685458
DAPT
XAV-939
Geldanamycin
17-AAG
Rapamycin
TMZ
Crizotinib
Taxol
SB525334
AEW541
LDE225
BKM120
Normalized AUC
Different sensitivity to RTK inhibitors
Glioblastoma multiforme
Multiple synchronous mass
Patient-derived cells
352 T1(Left)
1.5
1.0
FGFR
Bulk sequencing results: whole exome- and RNA-Seq
• CN is a copy number, in log2 scale
• Expr is RPKM
• Mutations are represented by allelic ratio (X/Y), where X, Y are read counts
for mutant and wild type alleles
Single cell RNA-Seq result: left vs. right
Left tumor
Right tumor
응급임상 N=1 trial 단계
Patients
Clinical center
Sponsors
(Pharma/Biotech)
Regulatory
agency
Diagnosis based on
genome analysis
Therapeutic
suggestion
Contact for
sponsoring
Contact for IND filing
IRB/Drug info
Legal contract forms
(drug supply, IRB, etc)
Document review
Documents for
clinical utility
Treatment begins
Drug supply
IND approval
유전체정보 임상적용 해외동향: TCGA
The Cancer Genome Atlas (TCGA)




효율적인 “team science”를 위한 인프라 구축
확장 가능한 “pipeline” 개발
암 분자기전 규명을 위한 대규모 분석에 대한 가능성 증명
환자 개인정보보호가 전제된 암연구 및 진료에서 활용가능한 데이터 공개
 3단계에서 Center for Cancer Genomics (CCG)를 통한 임상적용
 NCI 및 Clinical Center 에서 암맞춤의료 임상시험에 적용
 Pan-Cancer: TCGA 16,000 + ICGC 25,000
유전체정보 임상적용 해외동향: Genomics England
• 영국 NHS에 등록된 희귀유전질환, 호발암 및 병원균 포함 환자 10
만명에 대한 whole genome sequencing기반 빅데이터 구축
• 목적:
– 영국 국민의 건강과 국부 창출
– 인프라, 인력 및 발전 가능성 제고
– 유전체의학 분야 글로벌 선도 확보
• 5년간 1700억원 투자
• 전략
–
–
–
–
–
유전체 기반 맞춤의료에 도전
인력양성과 교육이 수반
영국 NHS 및 대학, 연구소, 산업체가 협력하여 유전체의학을 추진
환자들에게 적용가능한 새로운 진단 및 치료기술 개발
유전체분석기관, 시료처리 파이프라인, 생체시료은행 및 대규모 데이터
를 NHS내에서 확보하고 이를 활용
유전체-임상정보 기반 암맞춤의료 구현
1. 미래 맞춤의료 (precision medicine) 선도적 구현
– 빅데이터 정보를 먼저 유용하게 사용하는 것이 관건
– 암맞춤치료를 먼저 구현함으로써 이 분야 “First Mover”로 등장
2. 빅데이터 플랫폼을 활용한 바이오의료 산업화
– 거대학문으로서 미래맞춤의료는 관련분야 산업발전을 유도
3. 신개념 의료기술 창조적 개발
– 암맞춤의료분야에서 궁극적으로 “Trend Setter”가 목표
CLINIC
맞춤의료 임상
Tumor board
유전체-임상 빅데이터
GENOMICS
유전체진단 기술
HTS 시스템
DRUG
맞춤항암제 개발
N=1 임상시험

similar documents