Перспективы применения высокопроизводительного секвенирования у пациентов с фолликулярной лимфомой

Цель исследования – изучить прогностическую значимость мутаций генов и вовлекаемых в лимфомагенез внутриклеточных сигнальных путей у пациентов с фолликулярной лимфомой с применением анализа секвенирования следующего поколения (next generation sequencing, NGS).

Материалы и методы. В проспективное исследование включены 26 пациентов с медианой возраста 51,5 года. Всем пациентам проведен мутационный скрининг с использованием NGS-панели зондов к 118 генам. Анализ обогащения набора генов (gene set enrichment analysis, GSEA) проводили с использованием Metascape. Данные анализировали в SPSS Statistics 26 и R 4.2.2.

Результаты. Наибольшая частота мутаций отмечалась в генах: KMT2C – 50 %, KMT2D – 50 %, CREBBP – 31 %, NOTCH2 – 31 %, GNAS – 23 %. Миссенс-мутации встречались с частотой 84,3 %. Мутация гена ARID1A является неблагоприятным фактором прогноза по данным анализа беспрогрессивной (р = 0,014) и бессобытийной (р = 0,029) выживаемости. Опухолевая мутационная нагрузка (tumor mutational burden, ТМВ) определялась как количество мутаций на 1 мегабазу (Mb) кодирующей последовательности, медиана TMB составила 5,0 (3,3–8,3) мутации/Мb. пороговое значение ТМВ, равное 6 мутациям/Мb, распределяло пациентов на группы с высокой (44 %) и низкой (56 %) ТМВ. В группе высокой TMB 2-летняя бессобытийная выживаемость составила 27,3 % (95 % доверительный интервал 6,0–61,0), что достоверно ниже, чем в группе низкой ТМВ – 72,7 % (95 % доверительный интервал 41,9–91,6; р = 0,037). по результатам GSEA наиболее обогащенными клеточными процессами являлись пути регуляции клеточной активации (–log₁₀(q-значение) = 6,357), ремоделирования хроматина (–log₁₀(q-значение) = 5,707) и модификации гистонов (–log₁₀(q-значение) = 4,569). Нами также продемонстрированы другие возможности применения GSEA на примере фолликулярной лимфомы.

Заключение. TMB – значимый прогностический фактор у пациентов с фолликулярной лимфомой. установлено, что мутации в генах MYC, CREBBP, EZH2, KMT2D приводят к дисрегуляции в нескольких внутриклеточных процессах, опосредуя сложные молекулярные изменения. Наиболее обогащенными внутриклеточными путями при фолликулярной лимфоме являются пути ремоделирования хроматина, регуляции клеточной активации и модификации гистонов.

1. Krysiak K., Gomez F., White B.S. et al. Recurrent somatic mutations affecting B-cell receptor signaling pathway genes in follicular lymphoma. Blood 2017;129(4):473–83. DOI: 10.1182/blood-2016-07-729954

2. Taylor J., Xiao W., Abdel-Wahab O. Diagnosis and classification of hematologic malignancies on the basis of genetics. Blood 2017;130(4):410–23. DOI: 10.1182/blood-2017-02-734541

3. Balasubramanian S., Hodkinson B., Schuster S.J. et al. Identification of a genetic signature enriching for response to ibrutinib in relapsed/refractory follicular lymphoma in the DAWN phase 2 trial. Cancer Med 2022;11(1):61–73. DOI: 10.1002/cam4.4422

4. McGowan-Jordan J., Hastings R.J., Moore S. ISCN 2020 – An International System for Human Cytogenomic Nomenclature (2020). Basel: Karger, 2020. Pp. 170. DOI: 10.1159/isbn.978-3-318-06867-2

5. Li M.M., Datto M., Duncavage E.J. et al. Standards and guidelines for the interpretation and reporting of sequence variants in cancer. J Mol Diagn 2017;19(1):4–23. DOI: 10.1016/j.jmoldx.2016.10.002

6. Richards S., Aziz N., Bale S. et al. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genet Med 2015;17(5):405–24. DOI: 10.1038/gim.2015.30

7. Рыжкова О.П., Кардымон О.Л., Прохорчук Е.Б. и др. Руководство по интерпретации данных последовательности ДНК человека, полученных методами массового параллельного секвенирования (MPS) (редакция 2018, версия 2). Медицинская генетика 2019;18(2):3–23. DOI: 10.25557/2073-7998.2019.02.3-23

8. Zhou Y., Zhou B., Pache L. et al. Metascape provides a biologistoriented resource for the analysis of systems-level datasets. Nat Commun 2019;10(1):1523. DOI: 10.1038/s41467-019-09234-6

9. Pasqualucci L., Khiabanian H., Fangazio M. et al. Genetics of follicular lymphoma transformation. Cell Rep 2014;6(1):130–40. DOI: 10.1016/j.celrep.2013.12.027

10. Xu S., Tang C. The Role of ARID1A in tumors: tumor initiation or tumor suppression? Front Oncol 2021;11:745187. DOI: 10.3389/fonc.2021.745187

11. Pasqualucci L., Dominguez-Sola D., Chiarenza A. et al. Inactivating mutations of acetyltransferase genes in B-cell lymphoma. Nature 2011;471(7337):189–95. DOI: 10.1038/nature09730

12. Ortega-Molina A., Boss I., Canela A. et al. The histone lysine methyltransferase KMT2D sustains a gene expression program that represses B cell lymphoma development. Nat Med 2015;21(10):1199–208. DOI: 10.1038/nm.3943

13. Zhang J., Dominguez-Sola D., Hussein S. et al. Disruption of KMT2D perturbs germinal center B cell development and promotes lymphomagenesis. Nat Med 2015;21(10):1190–8. DOI: 10.1038/nm.3940

14. Bodor C., Grossmann V., Popov N. et al. EZH2 mutations are frequent and represent an early event in follicular lymphoma. Blood 2013;122(18):3165–8. DOI: 10.1182/blood-2013-04-496893

15. Zar J.H. Biostatistical analysis. 4th edn. NJ Prentice Hall, 1999. Pp. 523.

16. Hochberg Y., Benjamini Y. More powerful procedures for multiple significance testing. Stat Med 1990;9(7):811–8. DOI: 10.1002/sim.4780090710

17. Cotterman R., Jin V.X., Krig S.R. et al. N-Myc regulates a widespread euchromatic program in the human genome partially independent of its role as a classical transcription factor. Cancer Res 2008;68(23):9654–62. DOI: 10.1158/0008-5472.CAN-08-1961

18. Posternak V., Colea M.D. Strategically targeting MYC in cancer. F1000Res 2016;5:408. DOI: 10.12688/f1000research.7879.1

19. Bader G.D., Hogue C.W.V. An automated method for finding molecular complexes in large protein interaction networks. BMC Bioinformatics 2003;4:2. DOI: 10.1186/1471-2105-4-2

20. Pinero J., Bravo A., Queralt-Rosinach N. et al. DisGeNET: a comprehensive platform integrating information on human disease-associated genes and variants. Nucleic Acids Res 2017;45(D1):D833–9. DOI: 10.1093/nar/gkw943

21. Crouch S., Painter D., Barrans S.L. et al. Molecular subclusters of follicular lymphoma: a report from the United Kingdom’s Haematological Malignancy Research Network. Blood Adv 2022;6(21):5716–31. DOI: 10.1182/bloodadvances.2021005284

22. Pastore A., Jurinovic V., Kridel R. et al. Integration of gene mutations in risk prognostication for patients receiving first-line immunochemotherapy for follicular lymphoma: a retrospective analysis of a prospective clinical trial and validation in a populationbased registry. Lancet Oncol 2015;16(9):1111–22. DOI: 10.1016/S1470-2045(15)00169-2

23. Zhang X., Zhang Y., Zhao J. et al. ARID1A mutations in cancer development: mechanism and therapy. Carcinogenesis 2023;44(3):197–208. DOI: 10.1093/carcin/bgad011

24. Rizvi N.A., Hellmann M.D., Snyder A. et al. Mutational landscape determines sensitivity to PD-1 blockade in non–small cell lung cancer. Science 2015;348(6230):124–8. DOI: 10.1126/science.aaa1348

25. Goodman A.M., Kato S., Bazhenova L. et al. Tumor mutational burden as an independent predictor of response to immunotherapy in diverse cancers. Mol Cancer Ther 2017;16(11):2598–608. DOI: 10.1158/1535-7163.MCT-17-0386

26. Cho J., Yoon S.E., Kim S.J. et al. Comparison of tumor mutation burden of 300 various non-Hodgkin lymphomas using panel based massively parallel sequencing. BMC Cancer 2021;21:972. DOI: 10.1186/s12885-021-08695-7

27. De Pádua Covas Lage L.A., Culler H.F., Barreto G.C. et al. Tumor mutation burden involving epigenetic regulatory genes and the RhoA GTPase predicts overall survival in nodal mature T-cell lymphomas. Clin Epigenetics 2022;14:180. DOI: 10.1186/s13148-022-01395-4

28. Devarakonda S., Rotolo F., Tsao M.S. et al. Tumor mutation burden as a biomarker in resected non-small-cell lung cancer. J Clin Oncol 2018;36(30):2995–3006. DOI: 10.1200/JCO.2018.78.1963

29. Subramanian A., Tamayo P., Mootha V.K. et al. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proc Natl Acad Sci USA 2005;102(43):15545–50. DOI: 10.1073/pnas.0506580102