方法文章

使用下一代测序检测非小细胞肺癌的靶向改变

DOI:

10.3791/69091

2025年10月10日

* These authors contributed equally

本文内容

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该协议描述了一种自动化的、ISO15189认可的下一代测序工作流程,用于检测非小细胞肺癌(NSCLC)福尔马林固定石蜡包埋组织中的可靶向基因组改变。

摘要

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

非小细胞肺癌 (NSCLC) 靶向治疗的成功取决于对驱动因素改变的精确识别,包括突变、基因融合和扩增。下一代测序 (NGS) 已成为一种综合性分子诊断工具,能够检测已知和新型基因组畸变,为个性化 NSCLC 治疗提供关键支持。然而,NGS仍然是一种复杂且技术上具有挑战性的方法。尽管 NGS 被广泛采用,但它仍然面临一些挑战,包括技术复杂性和周转时间延长。在这里,介绍了在临床实验室中实施的ISO15189认证的NGS工作流程。标准化方案包括肿瘤细胞结构评估(≥20%)、从福尔马林固定石蜡包埋(FFPE)组织中提取DNA(DNA输入≥50ng)、自动文库制备和生物信息学分析。通过在每个步骤中集成严格的质量控制 (QC) 措施,工作流程确保了高数据可靠性。此外,工作流程的关键创新是NGS文库构建的自动化。NGS文库构建的自动化系统包括末端修复、A尾、接头连接、杂交捕获和纯化,有效减少了人为错误,提高了实验重现性,减少了手动作时间,从而提高了效率。经验表明,严格的质量控制和自动化文库制备对于保持临床 NGS 检测的准确性和可扩展性至关重要。这种优化的方法不仅确保符合ISO15189标准,还支持非小细胞肺癌管理中对精准肿瘤学不断增长的需求。

引言

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

非小细胞肺癌(NSCLC)占所有肺癌病例的75%-85%,既是临床优先事项,也是治疗挑战1,2,3。近年来,随着表皮生长因子受体酪氨酸激酶抑制剂(EGFR-TKIs)等分子靶向药物的成功开发和临床应用,晚期NSCLC的治疗已进入个性化精准治疗时代4,5,6。靶向治疗具有精确的疗效、高特异性和最小的副作用 7,8。这种治疗的转变同时增加了对分子诊断技术的需求。

目前,全面的肿瘤靶向检测已成为临床实践中不可或缺的组成部分,可以帮助阐明准确的基因突变谱,从而为后续的靶向用药、耐药监测和患者预后评估提供可靠的依据。特别是,基于NGS的多基因检测,利用高通量和高灵敏度的技术优势,已被推荐用于临床应用9,10,11,12。

与传统的分子诊断技术相比,NGS 显示出突破性的优势。NGS 的最大优势在于其高通量能力。它能够同时检测多个基因,包括已知和未知的遗传改变13,14。同时,NGS实现了单次运行的全面检测,相对降低了成本、样品消耗和检测周转时间15,16。鉴于这些优势,NGS在临床实践中的应用越来越多。然而,NGS的过程很复杂,包括肿瘤细胞结构评估、核酸提取、自动文库制备和生物信息学分析。初始样品处理的质量直接影响后续生物信息学分析的性能17。特别是,文库制备涉及一系列步骤,将原始核酸样本转化为与测序仪器兼容的标准化文库。文库制备包括片段化、末端修复、接头连接和PCR扩增18。这个复杂的过程通常会引入各种技术偏差:例如,碎片化可能导致异染色质区域的代表性不足;接头连接过程中连接酶的底物偏好会导致某些序列的丢失;PCR扩增往往会导致GC含量极高的区域覆盖不均匀19。这些系统性偏差不仅降低了测序数据的质量,还可能导致后续生物信息学分析中的错误结论。因此,建立严格的QC体系对于确保实验结果的可靠性和一致性至关重要。

为了应对这些长期存在的技术挑战,实验室采用了全自动 NGS 系统。该系统旨在减少手动处理时间并缩短整体周转时间。它采用可编程协议,确保作灵活性和处理精度,同时利用集成模块和单元有效减少每个步骤的潜在技术偏差。此外,这种自动化解决方案不仅提高了文库制备的重现性和通量,更重要的是,确保测序数据更准确地反映原始样品的分子组成。在这里,实验室希望通过使用基于 DNA 的 NGS 检测驾驶员改变来引入该系统。

访问受限。请登录或开始试用以查看此内容。

方案

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该协议获得了匿名档案样本的 IRB 豁免。

1. 预测试步骤和质量控制

  1. 在实验室信息管理系统中登记样品信息(表1)。填写基因突变检测知情同意书。
  2. 接收 NSCLC FFPE 样本。确保用于测试的样品是储存时间不超过 2 年的石蜡组织样品。确保按照标准病理方法处理和储存样本。
    注意:本研究主要关注方法学工作流程,而不是进行大规模的临床分析。因此,这一阶段的研究没有设定具体的样本数量要求。
  3. 使用一次性切片机刀片切割切片。在样品之间更换刀片、镊子和 1.5 ml 微管,以防止交叉污染并避免引入操作员来源的污染物(例如头发、皮肤细胞、唾液)。
    注意:大样品量(≥ 0.5 cm x 0.5 cm)6-10 μL,五张;小样品量(< 0.5 cm x 0.5 cm)和穿刺样品,6-10 μL,10 张。
  4. 进行常规苏木精-伊红(HE)染色以评估肿瘤细胞含量。
  5. 选择含有 ≥20% 恶性肿瘤细胞的样品进行下游分析。病理学家在HE彩色玻璃载玻片20上评估肿瘤内容。
    注意:如果肿瘤含量小于20%,则在HE载玻片上标记的肿瘤区域的引导下,刮掉相应的肿瘤组织区域。该过程通过有效去除周围的非肿瘤成分来实现肿瘤组织的富集,从而显着增加收集材料中肿瘤细胞的百分比。
  6. 如下所述,使用自动纯化系统进行核酸提取。
    1. 使用切片机切片 FFPE 块以获得带状。将色带放入 1.5 ml 微量离心管中。将色带转移到自动提取仪器上的指定样品输入位置。
    2. 使用带有自动提取套件的自动提取仪器,并用自动磁珠核酸提取系统代替手动移液。
      注意:自动化此步骤有助于确保自动提取,以确保下游 NGS 应用的高精度和可重复的 DNA 生产。
    3. 参考全自动核酸净化器和核酸提取试剂的说明书提取核酸。
    4. 然后,选择 C1102 程序,选择样品脱蜡孵育时间为 16 小时,洗脱体积为 100 μL。
      注意:如果不立即测试提取的DNA溶液,则必须在-20°C下储存不超过6个月。
  7. 如下所述评估核酸质量(表 2)。
    1. 使用琼脂糖凝胶电泳测定 DNA 片段大小。将 Agilent2100 和其他微流控毛细管电泳分析系统用于低输入样品。
    2. 将 1 g 琼脂糖溶解在 100 mL TAE 溶液中。在水浴中加热混合物直至透明。将溶液冷却至60°C左右。
    3. 连接到电泳仪器上的正极(红色)。执行负极(黑色)至电压 180 V,运行 15 分钟21,22
    4. 根据琼脂糖凝胶电泳的结果,将片段大小分为四个级别(A-D; 表3),并选择A-C水平的核酸进行后续作。
    5. 使用分光光度法验证纯度。确保OD260/OD280>1.8;OD260/OD230 > 2.0 表示可接受的污染物水平23,24
    6. 使用基于序列特异性荧光染料的检测试剂盒(材料表)进行荧光测定,以精确测量DNA浓度。
    7. 将 1 μL 待测 DNA 加入 199 μL 工作溶液中,然后混合,短暂离心,并使用荧光计测量其浓度( 材料表)。

2. 文库制备和QC(图1

  1. 如下所述,使用超声处理(材料表)制备片段基因组DNA。
    1. 将 200 ng 基因组 DNA 混合在 50 μL 低 Tris-EDTA (TE) 缓冲液中。然后,将样品管保存在预冷(8°C)样品架中。
    2. 根据 表4设置仪器参数。然后启动碎片化。
    3. 使用琼脂糖凝胶电泳验证碎裂效果。此步骤生成末端受损的 DNA 片段,需要末端修复以将它们转化为钝末端以供后续步骤使用。
  2. 如下所述,在 3' 处进行端部修复和添加 A。
    1. 用酶修复FFPE DNA的受损末端,形成平坦的末端,确保3'-OH和5'-P。将 A 添加到扁平的双股 3' 端。
    2. 通过加入 7 μL 末端修复缓冲液和 3 μL 末端修复酶制备 ERA 混合物,轻轻手动轻弹 3x-5x,然后离心 1-3 秒。
    3. 将 ERA 混合物加入 50 μL 破碎的 DNA 样品中,轻轻混合,然后离心 1-3 秒。
    4. 将其放入PCR仪器中并选择ERA程序(20°C30分钟;65°C30分钟;4°C保持;盖子 85 °C)。在 2 小时内执行下一个作。
  3. 如下所述进行接头结扎。
    1. 通过加入 30 μL 连接缓冲液、10 μL DNA 连接酶和 10 μL DNA 接头来制备反应系统 LIG 混合物。然后,轻轻手动轻弹 3x-5x 并离心 1-3 秒。
    2. 将 50 μL LIG 混合物添加到上一步的 60 μL 产物中,轻轻混合,然后离心 1-3 秒。
    3. 将混合物放入PCR仪器中,然后选择LIG程序(20°C15分钟,不加热盖子;70°C10分钟(加热盖);4°C保持;盖子 85 °C)。
  4. 进行磁珠纯化。
    1. 取 1.5 mL 低吸附离心管,加入 88 μL 均质磁珠和 110 μL 接头连接产物。涡旋并充分混合,并在室温下孵育5分钟。
    2. 立即将孵育的样品离心1-3秒,并将离心管放在磁架上。等待溶液清除(约 3-5 分钟)。
    3. 将管子固定在磁铁上后,打开盖子并使用移液器小心地吸出清除的上清液,不要干扰珠子颗粒。
    4. 将试管放在磁铁上,并在每个试管中加入 300 μL 新鲜制备的 75% 乙醇。
    5. 等待 1 分钟,让磁珠完全沉淀。缓慢水平旋转离心管一次以吸收乙醇。
    6. 重复步骤 2.4.4 和 2.4.5 一次,总共 2 次。
    7. 瞬时离心1-3秒,将试管放回磁架上等待30秒。使用移液器去除任何残留的乙醇并保持管盖打开。
    8. 将磁珠在室温下干燥 2 分钟,直到磁珠表面呈哑光且无裂纹。
    9. 用 28 μL 洗脱缓冲液 (EB) 洗脱连接产物。
      注意:磁珠在使用前需要在室温下平衡至少 30 分钟。
  5. 如下所述扩增和纯化预文库。
    1. 通过加入 10 μL PCR 缓冲液、10 μL PCR 引物、1.5 μL dNTP 混合物、1 μL PCR 酶来制备反应系统预混液。轻轻手动敲击 3x-5x 并离心 1-3 秒。
    2. 将 22.5 μL 预混液加入上一步的 27.5 μL 纯化产物中,轻轻混合,然后离心 1-3 秒。
    3. 选择程序 PRE:98 °C 45 秒;(98°C 15 s、60 °C 30 s、72 °C 30 s)12 个循环;72°C 2分钟;4°C保持;盖子 105 °C。
    4. PCR程序完成后,使用新鲜制备的75%乙醇进行磁珠纯化。用 18 μL EB 洗脱产物。
  6. 捕获混合体,如下所述。
    1. 通过加入 15 μL 预文库和 4 μL 阻断剂混合物来制备反应系统 A。
    2. 置于 PCR 上并运行 PCR 程序 HYB(95 °C 5 分钟;65 °C 保持;盖子 105 °C)。
    3. 通过加入 10 μL 杂交缓冲液、0.5 μL RNase 抑制剂阻滞剂和 1 μL 探针制备反应系统 B HYB 混合物。轻弹 3x-5x 并离心 1-3 秒。
      注意:探针名称为LCOO1,探针基因包括 EGFR、KRAS、BRAF、ALK等。
    4. 当PCR仪器温度降至65°C时,向反应系统A中加入11.5μLHYB混合物,轻轻混合,然后盖上PCR仪器盖,继续孵育16-24小时。
    5. 将洗涤缓冲液 2 放入 15 mL 锥形管中,用金属加热器在 65 °C 下孵育,每个样品的剂量为 600 μL。
    6. 取SCB磁珠,反转混合5次,涡旋10秒,室温平衡30分钟。涡旋 10 秒,将 25 μL 转移到 1.5 mL 低吸附离心管中,放在磁架上 3 分钟,然后丢弃上清液。
    7. 将 200 μL 珠子洗涤缓冲液加入 25 μL SCB 磁珠中,涡旋并混合 3 秒,暂时离心 1-3 秒,在磁架上静置 3 分钟,然后弃去上清液。
    8. 重复步骤 2.6.7 2x,总共 3 次。
    9. 将 200 μL 磁珠洗涤缓冲液加入磁珠中,涡旋并混合 3 秒,重悬备用。
    10. 将约 30 μL 杂交样品转移到重悬的 SCB 磁珠中,涡旋并混合,放在旋转混合器上,在室温下孵育 30 分钟,然后离心 1-3 秒。
    11. 将混合物管放在磁架上 3 分钟,然后吸出约 230 μL 上清液。加入 500 μL 洗涤缓冲液 1,涡旋 5 秒,置于旋转混合器上,然后在室温下孵育 15 分钟。瞬时离心机 1-3 秒。
    12. 将磁珠样品混合物管放在磁架上,静置 3 分钟。然后,吸出约 500 μL 上清液和残余液体。
    13. 将 150 μL 洗涤缓冲液预热至 2 至 65 °C,涡旋 10 秒,置于恒温混合器上,摇匀,并在 65 °C 下以 600 rpm 的速度孵育 10 分钟。进行瞬时离心1-3秒,放在磁架上3分钟,吸出约150μL上清液和残液。
    14. 重复步骤 2.6.13 3 次,总共四次。
    15. 瞬时离心 1-3 秒,以去除样品管中的任何残留液体。加入 20 μL EB,上下混合 8x-10x,充分混合,然后放在冰上备用。
  7. 最终文库的制备和纯化。
    1. 通过加入 25 μL 扩增混合物、5 μL 索引和 20 μL 磁珠文库来制备反应系统 POST 混合物。轻轻敲击 3x-5x 并离心 1-3 秒。轻轻混合,离心1-3秒。
    2. 选择程序 POST:98 °C 45 秒;(98°C 15 s、60 °C 30 s、72 °C 30 s)12 个循环;72°C 10分钟;4°C保持;盖子 105 °C。
    3. PCR程序完成后,使用新鲜制备的75%乙醇进行磁珠纯化。用 20 μL EB 洗脱最终文库。

3. 全自动文库制备(表 5)

  1. 电源按钮激活系统并等待初始化。导航到程序设置并选择运行协议,然后选择协议:燃烧的岩石 HS。
  2. 将等分试样QC参数设置为样品类型:高质量DNA;输入量(ng):50;PCR 前循环:12;PCR 后循环:12。单击运行。
  3. 将预包装的试剂盒插入指定插槽(自动验证试剂放置和状态)。
  4. 加载样品后,按 “开始” ,使系统自主运行。观察 LED 指示灯以监控进度。
  5. 程序结束后,单击 “确定 ”,程序会自动将最终文库转移到文库管中,完成文库制备。

4. 测序和质量控制

  1. 如下所述进行文库定量和QC。
    1. 使用荧光法测量前文库和总文库浓度。
    2. 检测文库的片段大小。使用试剂盒评估文库的片段大小和接头的存在(材料表)。
      注意:如果最终文库包含引物二聚体,则在机器上混合样品之前必须添加额外的纯化步骤。插入片段的合格标准≥150 bp,预期捕获效率≥40%。
    3. 将测序文库稀释至 1.6 pM 和 1300 μL 以进行测序作。
  2. 如下所述进行测序环境监测。
    1. 控制测序环境,包括室内温度(19-25°C)、室内湿度(20%-80%)。
    2. 完整的仪器输出数据质量控制,包括Q30以上的碱基和簇密度通过滤波器(PF)。

5. 测序数据分析和质量控制

  1. 如下所述执行原始数据处理和分子分析。
    1. 使用 Burrows-Wheeler Aligner(版本 0.7.10)将测序数据与 hg19 对齐。
    2. 使用基因组分析工具包(3.2 版)和 Vardict(1.5.1 版)执行局部比对、优化、重复标记和变异检出。
    3. 使用 VarScan(版本 2.4.3)fpfilter 管道过滤变体,并删除深度小于 50 的基因座。将 ExAC、1000 基因组、dbSNP 或 ESP6500SI-V2 数据库中群体频率超过 0.1% 的变异分类和排除为单核苷酸多态性 (SNP)。
    4. 使用 SnpEff(版本 3.6)注释其余变体。
    5. 使用 MarkSV(Burning Rock 算法工具)分析结构变异 (SV),包括大型基因组重排 (LGR)。根据捕获间隔的覆盖深度数据分析拷贝数变异 (CNV)。
    6. 更正鸟嘌呤-胞嘧啶含量和探针设计导致的测序偏差的覆盖率数据。
  2. 评估样品质量,包括平均深度、中位深度、唯一深度、插入片段大小、库复杂度、覆盖率、Q30 比率和配对样品相关比,如25 中所述。
  3. 对于报告生成,验证管道版本和参数以完成生物信息学审查。使用相关指南评估突变的致病性26,27。发布最终报告。

访问受限。请登录或开始试用以查看此内容。

结果

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该实验室利用具有严格质量控制的自动化 NGS 分析工作流程,对 NSCLC 标本进行了全面的基因组分析。优化的检测工作流程(图 2)可靠地识别了代表性肿瘤样本中的几个临床上可作的基因组改变(图 3)。

测序结果显示, EGFR p.L858R错义突变(AF=89.25%)伴有 EGFR 基因拷贝数显著扩增(CN=14.7)。此外,观察到 MET 基因的中度扩增(CN=5.0)和 BRAF 基因的低水平扩增(CN=3.8)。在分析的面板中未检测到其他致病基因改变。关于免疫治疗相关的生物标志物,结果显示肿瘤突变负荷(TMB=9.0突变/Mb)和微卫星稳定状态(MSS; 表6)。

通过使用标准MPC01进行四次独立的重复实验来评估工作流程的可重...

访问受限。请登录或开始试用以查看此内容。

讨论

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

每一份合格的 NGS 报告都隐藏在一个严格的流程背后,该流程仍然复杂且耗时28.为了解决这些问题,实验室开发了一种全自动 NGS 系统。这种作显着减少了人工干预,最大限度地减少了实验错误,并大大缩短了周转时间。因此,该系统为NGS提供了更可靠、更高效的策略,为基因组研究的数据质量树立了新的思路。

该集成系统在整个工作流程中具有全面的自动化功能,可提高处理效率和结果可靠性。首先,对于核酸提取,实验室使用基于磁珠的自动化核酸提取系统对FFPE样本进行处理。FFPE样本作为医院病理实验室常见的存档标本,具有重要的回顾性研究价值,但其核酸易受损,传统提取工艺繁琐29。自动化系统精确控制裂解、结合、洗涤和洗脱等步骤,不仅减少了手动作错误,还实现了高通量处理,显着提高了DNA/RNA的纯度和产量。

此外,超声处理用于实验室中的 DNA 片段化。与酶法相比,超声可以直接产生适合...

访问受限。请登录或开始试用以查看此内容。

披露

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者没有需要披露的利益冲突。

致谢

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究得到了中华人民共和国北京市自然科学基金(7252122)、中华人民共和国北京西思科临床肿瘤学研究基金(Y-HS202402-0021)、中国医学科学院肿瘤医院住院医师培训教学研究基金(E2025004)和国家高水平医院临床科研基金(2025-LYZX-R-B03)的资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
 安捷伦 高灵敏度DNA套件 安捷伦5067-4626用于与 the  一起使用;安捷伦2100生物分析仪系统
 安捷伦 DNA 1000 试剂套装 安捷伦5067-1504用于与 the  一起使用;安捷伦2100生物分析仪系统
安捷伦2100生物分析仪安捷伦G2939A评估库的片段大小及适配器的存在情况。 
全自动核酸纯化仪器音乐会MC1002用于DNA提取
等量1×dsDNA HS 检测套件瓦兹姆EQ121-02-AA用于与 the  一起使用;量子比特3.0荧光仪
人类EGRR/KRAS/BRAF/ALK基因联合检测套件燃烧的岩石BR-LC00102图书馆建设
马格尼斯英国铁路安捷伦科技G7595AA自动化NGS库制备
ME220聚焦超声波仪科瓦里斯500396超声波
纳米滴一/OneC赛莫飞舍尔ND-ONE-W全波长紫外可见光光度检测
NextSeq 550Dx光辉20005715序列
NSQ 500/550 高输出 KT v2.5(300CYS)光辉20024908用于NextSeq 550Dx
核酸提取试剂音乐会RC1102用于DNA提取
量子比特3.0荧光仪生命Q33216用于核酸或文库浓度检测
Qubit dsDNA HS 检测套件生命Q32851用于与 the  一起使用;量子比特3.0荧光仪

参考文献

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Feng, R. M., Zong, Y. N., Cao, S. M., Xu, R. H. Current cancer situation in China: Good or bad news from the 2018 global cancer statistics. Cancer Commun (Lond). 39 (1), 22(2019).
  2. Siegel, R. L., Kratzer, T. B., Giaquinto, A. N., Sung, H., Jemal, A. Cancer statistics, 2025. CA Cancer J Clin. 75 (1), 10-45 (2025).
  3. Sung, H., et al. Global cancer statistics 2020: Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 71 (3), 209-249 (2021).
  4. Fukuoka, M., et al. Multi-institutional randomized phase II trial of gefitinib for previously treated patients with advanced non-small-cell lung cancer. J Clin Oncol. 41 (6), 1162-1171 (2023).
  5. Kris, M. G., et al. Efficacy of gefitinib, an inhibitor of the epidermal growth factor receptor tyrosine kinase, in symptomatic patients with non-small cell lung cancer: A randomized trial. JAMA. 290 (16), 2149-2158 (2003).
  6. Zhou, C., et al. Erlotinib versus chemotherapy as first-line treatment for patients with advanced EGFR mutation-positive non-small-cell lung cancer (OPTIMAL, CTONG-0802): A multicentre, open-label, randomised, phase 3 study. Lancet Oncol. 12 (8), 735-742 (2011).
  7. Wu, K., House, L., Liu, W., Cho, W. C. Personalized targeted therapy for lung cancer. Zhongguo Fei Ai Za Zhi. 16 (8), C21-C34 (2013).
  8. Sharma, S. V., Settleman, J. Oncogenic shock: Turning an activated kinase against the tumor cell. Cell Cycle. 5 (24), 2878-2880 (2006).
  9. Kumar, S. S., et al. High early growth response 1 (EGR1) expression correlates with resistance to anti-EGFR treatment in vitro and with poorer outcome in metastatic colorectal cancer patients treated with cetuximab. Clin Transl Oncol. 19 (6), 718-726 (2017).
  10. Li, D., et al. Status of 10 targeted genes of non-small cell lung cancer in Eastern China: A study of 884 patients based on NGS in a single institution. Thorac Cancer. 11 (9), 2580-2589 (2020).
  11. Wen, S., et al. Genomic signature of driver genes identified by target next-generation sequencing in Chinese non-small cell lung cancer. Oncologist. 24 (11), e1070-e1081 (2019).
  12. Tan, N., Li, Y., Ying, J., Chen, W. Histological transformation in lung adenocarcinoma: Insights of mechanisms and therapeutic windows. J Transl Int Med. 12 (5), 452-465 (2024).
  13. Coco, S., et al. Next generation sequencing in non-small cell lung cancer: New avenues toward personalized medicine. Curr Drug Targets. 16 (1), 47-59 (2015).
  14. Yang, X., et al. The molecular and cellular choreography of early mammalian lung development. Med Rev. 4 (3), 192-206 (2024).
  15. Wang, R., Wang, G., Zhang, N., Li, X., Liu, Y. Clinical evaluation and cost-effectiveness analysis of serum tumor markers in lung cancer. Biomed Res Int. 2013, 195692(2013).
  16. McGinn, S., Gut, I. G. DNA sequencing-spanning the generations. Nat Biotechnol. 30 (4), 366-372 (2013).
  17. Larson, N. B., Oberg, A. L., Adjei, A. A., Wang, L. A clinician's guide to bioinformatics for next-generation sequencing. J Thorac Oncol. 18 (2), 143-157 (2023).
  18. McCombie, W. R., McPherson, J. D., Mardis, E. R. Next-generation sequencing technologies. Cold Spring Harb Perspect Med. 9 (11), a036798(2019).
  19. Van Dijk, E. L., Jaszczyszyn, Y., Thermes, C. Library preparation methods for next-generation sequencing: Tone down the bias. Exp Cell Res. 322 (1), 12-20 (2014).
  20. Rao, W., et al. Potential unreliability of ALK variant allele frequency in the efficacy prediction of targeted therapy in NSCLC. Front Med. 17 (3), 493-502 (2023).
  21. Koontz, L. Agarose gel electrophoresis. Methods Enzymol. 529, 35-45 (2013).
  22. Holmes, D. L., Stellwagen, N. C. Electrophoresis of DNA in oriented agarose gels. J Biomol Struct Dyn. 7 (2), 311-327 (1989).
  23. Liu, D., et al. Quality control of next-generation sequencing-based in vitro diagnostic test for onco-relevant mutations using multiplex reference materials in plasma. J Cancer. 9 (9), 1680-1688 (2018).
  24. Zhang, C., et al. An improved NGS library construction approach using DNA isolated from human cancer formalin-fixed paraffin-embedded samples. Anat Rec (Hoboken). 302 (6), 941-946 (2019).
  25. Wood, D. E. National comprehensive cancer network (NCCN) clinical practice guidelines for lung cancer screening. Thorac Surg Clin. 25 (2), 185-197 (2015).
  26. Chinese Society of Pathology Quality Control, Chinese Medical Association Chinese Society of Oncology, China Anti-Cancer Association Chinese Society of Lung Cancer, Chinese Thoracic Oncology Group. Guidelines on clinical practice of molecular tests in non-small cell lung cancer in China. Zhonghua Bing Li Xue Za Zhi. 50 (4), 323-332 (2021).
  27. Rao, W., et al. Developing an effective quality evaluation strategy of next-generation sequencing for accurate detecting non-small cell lung cancer samples with variable characteristics: A real-world clinical practice. J Cancer Res Clin Oncol. 149 (8), 4889-4897 (2023).
  28. Hutchins, R. J., et al. Practical guidance to implementing quality management systems in public health laboratories performing next-generation sequencing: Personnel, equipment, and process management (Phase 1). J Clin Microbiol. 57 (8), e00261-e00319 (2019).
  29. Haile, S., et al. Automated high throughput nucleic acid purification from formalin-fixed paraffin-embedded tissue samples for next generation sequence analysis. PLoS One. 12 (6), e0178706(2017).
  30. Larguinho, M., et al. Development of a fast and efficient ultrasonic-based strategy for DNA fragmentation. Talanta. 81 (3), 881-886 (2010).
  31. Xuan, J., Yu, Y., Qing, T., Guo, L., Shi, L. Next-generation sequencing in the clinic: Promises and challenges. Cancer Lett. 340 (2), 284-295 (2013).
  32. Senst, A., Bonsiepe, H., Kron, S., Schulz, I. Application of the Agilent 2100 bioanalyzer instrument as quality control for next-generation sequencing. J Forensic Sci. 69 (6), 2192-2196 (2024).
  33. Li, W., Qiu, T., Ling, Y., Gao, S., Ying, J. Subjecting appropriate lung adenocarcinoma samples to next-generation sequencing-based molecular testing: Challenges and possible solutions. Mol Oncol. 12 (5), 677-689 (2018).
  34. Li, W., et al. Potential unreliability of uncommon ALK, ROS1, and RET genomic breakpoints in predicting the efficacy of targeted therapy in NSCLC. J Thorac Oncol. 16 (3), 404-418 (2021).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

DNA

相关文章