RAS突变散发性甲状腺髓样癌:共变异与单独RAS突变者生化治愈率差异显著
RAS突变散发性甲状腺髓样癌:RET及RAS突变VAF与肿瘤大小正相关,伴共变异者生化治愈率27.3%,单独RAS者75%,辅助分子分层及术后随访
研究对94例散发性甲状腺髓样癌进行31基因深度靶向NGS,发现RET及RAS突变分别见于53%和29%病例。RAS突变亚组中,伴共变异者生化治愈率显著低于单独RAS突变者(27.3% vs 75.0%)。VAF分析显示,驱动突变负荷与肿瘤大小正相关。
简明总结
研究对94例散发性甲状腺髓样癌(sMTC)肿瘤开展31基因深度靶向NGS。RET及RAS驱动突变分别见于53%(50/94)和29%(27/94),18%未检出这两类改变。除经典驱动外,还发现涉及DNA损伤应答、表观遗传调控及细胞周期等通路的变异,ATM、KMT2A较常见。
RAS突变亚组中,伴共变异者T3–T4比例为45.5%(5/11),仅RAS突变者为6.2%(1/16);生化治愈率分别为27.3%(3/11)和75.0%(12/16)。其他指标,包括生存及无病生存,未见显著差异。该结果支持扩展分子检测可能为RAS突变sMTC提供额外风险分层信息,但不能直接等同于已验证的独立预后模型或治疗获益预测。
RET及RAS驱动变异VAF均与肿瘤大小正相关。部分高VAF驱动肿瘤同时存在极低VAF RET或其他变异,作者将其解释为可能的亚克隆异质性。检测结果需结合肿瘤含量、测序性能及低频变异验证解读,不能将VAF直接作为肿瘤负荷或进展风险的独立临床标准。
摘要
目的
散发性甲状腺髓样癌(sMTC)主要由RET或RAS体细胞突变驱动,但疾病异质性的分子基础仍未完全阐明。本研究旨在描述sMTC分子异质性,识别可能改善患者分层、支持更个体化临床管理策略的通路。
方法
对94例sMTC患者肿瘤样本进行31个神经内分泌及癌症相关基因的深度靶向二代测序,以描述经典驱动基因之外的体细胞突变图谱。
结果
RET和RAS突变分别见于53%及29%的病例,18%两者均无改变。变异等位基因频率(VAF)分析显示,在RET及RAS突变肿瘤中,驱动突变负荷与肿瘤大小显著正相关,支持这些变异的克隆性贡献。在DNA损伤应答及表观遗传调控相关基因,包括ATM和KMT2A中,发现额外致癌变异。
值得注意的是,RAS突变亚组中,与单独RAS突变肿瘤相比,伴随致癌共变异者初诊T状态更晚(T3–T4,p=0.0181),随访时生化治愈率更低(p=0.02),支持扩展基因组分析在RAS突变sMTC中的临床意义。
结论
总体而言,这些发现揭示了可能参与肿瘤进展的额外致癌变异,并提示扩展靶向检测可能提供具有临床意义的sMTC分子异质性信息,尤其在RAS突变肿瘤中。
引言
甲状腺髓样癌(MTC)是一种起源于甲状腺C细胞的罕见神经内分泌恶性肿瘤,约占全部甲状腺肿瘤的2%~3%,却造成超过13%的甲状腺癌相关死亡。10年生存率随分期进展显著下降,从I期100%降至IV期21%。若未获得治愈,患者可能持续存在生化或结构性疾病,两者的20年疾病特异性死亡率分别为15%和75%。MTC临床过程高度多变:部分患者可带低负荷淋巴结病灶生存数十年,另一些则迅速进展,很快死于侵袭性转移疾病。这种显著异质性的分子机制仍不清楚。转染重排(RET)原癌基因突变状态对MTC侵袭性及患者结局起根本驱动作用。
约75% MTC为散发,其余25%为RET胚系突变引起的多发性内分泌肿瘤2A型及2B型(MEN2A、MEN2B)的一部分。几乎所有家族病例及40%~60%的sMTC源于RET突变。此外,大鼠肉瘤(RAS)病毒GTP酶基因家族(H-、K-及N-RAS)的相互激活性点突变,构成约20%~40% RET野生型sMTC的基础。令人意外的是,剩余sMTC及部分罕见家族病例的致癌机制仍不清楚。除RET和RAS外的新分子靶点可能带来新的治疗机会。
本研究采用聚焦神经内分泌的31基因靶向NGS面板,描述sMTC体细胞突变图谱。通过扩展经典驱动突变之外的分析,探索分子异质性,为可能改善患者分层及更个体化临床管理的通路提供额外认识。
材料与方法
样本收集
研究遵循《赫尔辛基宣言》,回顾性分析帕多瓦大学2004年至2022年的111份sMTC标本。17例因质量不足排除,最终94份信息充分样本。系统使用Sanger测序筛查RET第5、8、10、11及13~16外显子,依据无胚系RET突变确认散发状态。肿瘤组织体细胞驱动突变由Sanger测序验证。
患者
按美国癌症联合委员会(AJCC)第8版TNM复核病理报告。94例均在帕多瓦大学内分泌科随访。回顾病历收集人口学(年龄、性别及手术日期)、组织病理及疾病状态资料(表1)。

表1 sMTC患者临床病理特征。
结局分类为:疗效满意(降钙素[Ct]不可检出、癌胚抗原[CEA]正常且无结构性疾病);生化反应不完全(Ct可检出或CEA升高,但无结构性疾病);结构性疾病;或疾病相关死亡(MTC在死亡中起具有因果意义作用)。采用国际甲状腺髓样癌分级系统(IMTCGS),以下任一项定义高级别:肿瘤坏死、每2 mm²核分裂计数≥5,和/或Ki-67增殖指数≥5%。
样本制备及组织病理评估
原发sMTC肿瘤术后速冻,帕多瓦大学医院病理医师G.P.和F.G.复核HE切片,确认诊断及估算肿瘤细胞含量(平均>70%)。仅分析原发肿瘤。每例约25 mg组织,按制造商说明使用Tissue RNA/DNA Purification Kit(Norgen Biotek,加拿大Thorold)提取DNA,荧光法评价质量和产量。另用qRT-PCR检测Ct(C细胞标志物)及甲状腺球蛋白(滤泡细胞标志物),评估样本纯度。详细流程见补充方法(表S1)。
NGS基因面板建立
使用31基因靶向NGS面板检测MTC低频体细胞单核苷酸变异(SNV)及插入缺失,深度达1000×、覆盖率>99.9%。采用IDT xGen™设计探针(补充表S2)。
NGS文库制备
以100 ng肿瘤DNA为起始,使用xGen™ DNA Library Prep EZ Kit(IDT,Tema Ricerca,意大利米兰)建库,包括酶切片段化、末端修复/加A尾、接头连接及带唯一双索引的PCR扩增。SPRI磁珠纯化,Qubit 4.0 Fluorometer(Thermo Fisher Scientific,美国马萨诸塞州沃尔瑟姆)定量,LabChip GX(Caliper Life Sciences,美国马萨诸塞州霍普金顿)评价片段分布和质量。
靶标富集
使用xGen™ Hybridization Capture of DNA Libraries Kit(IDT),按制造商流程,将文库与生物素标记靶特异性探针杂交,以链霉亲和素包被磁珠捕获并严格洗涤。富集DNA再用xGen™ Library Amplification Primer Mix(IDT)扩增,纯化、定量及质检后测序。
文库测序
混合文库按制造商说明变性、稀释至1.5 pM,加入1% PhiX Control DNA(Illumina,美国加利福尼亚州圣迭戈)作为内部测序对照。用0.2 N NaOH变性,Tris-HCl中和,HT1缓冲液稀释,在NextSeq 550(Illumina)用双端Mid Output Kit(300 cycles)测序。唯一分子标识符(UMI)可纠错,并可靠检测低至2% VAF的体细胞SNV。
生物信息学分析
FASTQ原始数据质控包括reads质量分数、GC含量、序列重复及接头污染。去除低质量碱基和接头,未达阈值reads不进入后续。用标准指标评价测序表现,包括≥Q30比例(Q30=91.1±2)、簇密度(221±4 k/mm²)及通过过滤reads百分比(%PF=90.7±0.25)。仅保留质控合格样本。
高质量reads用CLC Genomics Workbench(v25.0.1,Qiagen)分析,比对至GRCh38/hg38。变异识别使用专用胚系及体细胞流程,应用VAF阈值及低频变异检测(<2%),随后过滤伪影。使用IGV(Integrative Genomics Viewer)查看过滤后的变异及BAM文件。
遗传变异验证及解释
影响编码区或剪接位点的变异,依照ACMG/AMP指南及Horak等提出的体细胞变异解释框架过滤分类。ClinVar、Franklin(Genoox)、VarSome及COSMIC(v102,2025年5月1日发布)等工具和数据库辅助分类。分为致癌、可能致癌、意义未明变异(VUS)、可能良性或良性,仅将致癌、可能致癌及VUS纳入研究。
统计分析
采用GraphPad Prism 10(10.4.2,GraphPad Software,美国马萨诸塞州波士顿)及R(3.0.3,R Foundation for Statistical Computing,奥地利维也纳)。Kolmogorov–Smirnov检验评估正态性,因非正态,结果以中位数及四分位距(IQR)报告。分类变量用卡方检验,非正态定量变量用Mann–Whitney U及Kruskal–Wallis非参数检验。生存分析用Kaplan–Meier曲线及log-rank检验,适当时Bonferroni校正事后分析,以及多变量Cox回归。线性回归评价VAF与肿瘤大小相关性,p<0.05视为显著。
结果
sMTC队列已知驱动突变的遗传分布
按分子分析将患者分为RET阳性、RAS阳性及RET/RAS阴性(图1a)。RET驱动见于53%(50/94),RAS见于29%(27/94),其余18%包括其他基因变异(10%)或无可检出体细胞变异(8%)(图1b)。

图1 sMTC队列驱动突变及相关体细胞变异分布。(a)94例散发性MTC按驱动状态分为RET阳性、RAS阳性及RET/RAS阴性的饼图。(b)队列突变图谱柱状图,包括RET或RAS驱动、面板基因额外非驱动体细胞变异,以及无可检出改变的病例。(c)RET阳性患者RET变异概况。(d)RAS阳性患者HRAS、KRAS及NRAS三种亚型的变异分布。
RET体细胞突变分布见图1c。最常见为第16外显子M918T(48%,24/50),其次为第11外显子C634(18%,9/50)。A883F及插入/缺失各占12%(6/50),较少见为C618(4%,2/50)和C630R(2%,1/50)。
RAS中HRAS最常见(18%,17/94),其次KRAS(9%,8/94)及NRAS(2%,2/94)。最常见HRAS为第3外显子Q61R、Q61K和Q61L,占全部RAS突变48%。其他HRAS为G60D及M72I(第3外显子)、G13R(第2外显子)及K117N(第4外显子),各1例(合计4%)。KRAS主要涉及第2外显子G12R、G12V,部分第3外显子Q61R、Q61H。NRAS Q61R及Q61K各1例(图1d)。
靶向NGS识别的体细胞变异图谱
队列体细胞图谱见oncoplot(图2a)。94例共发现140个变异,包括124个SNV、11个插入缺失及5个移码。其中109个为致癌变异,包括10个新变异(8.6%);21个(13.6%)为VUS。RET及RAS突变占全部变异60.7%(85/140),确认其在MTC中的关键作用。

图2 靶向NGS分析的MTC突变图谱。(a)94例散发性MTC分类oncoplot,每行代表一个基因,每列代表一名患者。分为RET阳性、RAS阳性及RET/RAS阴性,后者进一步分为有额外体细胞突变及无可检出改变。按预测致病性注释:黑方块为已知致病突变,蓝方块为既往未报道的推定致病变异,红方块为意义未明变异(VUS)。黑三角表示VAF<5%的致病变异。(b)sMTC队列面板中全部体细胞变异VAF分布的箱线图。
反复出现的变异(致癌及VUS)涉及ATM(9%,13/140)、KMT2A(7%,10/140)、CDKN1A和GNAS(各4%,6/140)、PTEN和PIK3CA(各2%,3/140)及GCM2(1.4%,2/140)。VHL、MEN1、MET、AIP、TRPV5、MAP2K1、TRPV6、TP53、GNA11、CDK2C、AKT1和STK11各检出1个变异(各0.7%,1/140)。CDKN1B、CDKN2B、CASR、CDC73、KMT2C、EIF1AX、CTNNB1或CDKN2D未发现致癌变异,这些基因所检出变异均为可能良性或已知多态性。
图2b展示VAF分布,显示明显基因间异质性。若干低VAF致癌变异与高VAF驱动共存。2例高VAF HRAS突变患者还携带低频RET M918T(VAF<2%)。其他共存事件包括RET P496_D499del肿瘤伴RET D631E、RET C634Y肿瘤伴RET S891A,以及2例RET M918T阳性患者中分别存在RET D567N(第9外显子)或T1038A(第19外显子)。1例高VAF HRAS突变患者还携带低频NRAS。最后,4例有孤立低VAF致癌变异,涉及KMT2A(2例)、PTEN、PIK3CA或TP53(图2b)。
RET阳性、RAS阳性及RET/RAS阴性组体细胞变异的分布及频率
94例的致癌变异分布见表S3。多数为单变异,主要涉及RET或RAS家族。具体而言,47%(44/94)为单一致癌变异,36%(34/94)有2个,6%(6/94)有3个,2%(2/94)有5个。
RET阳性(n=50)中,40%(20/50)仅有RET驱动,52%(26/50)伴共变异,各4%(2/50)分别有3个或4个额外变异。共检出40个额外变异,最常涉及ATM(20%)、KMT2A(15%)、CDKN1A(12.5%)及GNAS(10%)。第二个RET变异占10%,PIK3CA占7.5%,GCM2、GNA11、KRAS、TP53、PTEN、TRPV5、MEN1及VHL各1例。
RAS阳性(n=27)中,60%(16/27)仅单一RAS,26%(7/27)有1个额外变异,14%(4/27)有2个。ATM(19%)及KMT2A(12.5%)最常见,2例有低频RET(VAF<2%),AIP、AKT1、CDKN1C、GCM2、MET、PTEN及NRAS各1例。RET/RAS阴性(n=17)中,53%(9/17)有致癌变异:47%(8/17)单个、6%(1/17)2个。ATM、KMT2A和GNAS各见于20%的病例,MAP2K1、PTEN、STK11及TRPV6各1例;其余47%无可检出变异。
面板中识别的新编码变异
NGS识别10个致癌变异,在研究时尚未见于ClinVar、Franklin(Genoox)、dbSNP及COSMIC等公共数据库或临床解释平台,详见表S4。
突变状态与临床病理特征的相关性
按RET及RAS状态分为RET M918T、其他RET、RAS及非RET/非RAS四组,评价基因型–表型关联(表2)。再将VAF与临床病理特征相关分析,评价RET及RAS对肿瘤发生的贡献。RET突变(M918T及其他)显著关联更晚初诊分期(III~IV vs I~II)、较差临床结局、疾病相关死亡和高级别MTC(均p<0.01)(表2)。相反,RAS关联较低疾病相关死亡率(p=0.04)及低级别MTC(p=0.03)。

表2 按体细胞突变状态分层的散发性MTC患者临床病理特征。
RET阳性中,VAF均值33.3%、中位34.7%、范围12.8%~53.1%、IQR 27.3~39,VAF与肿瘤大小显著相关(p<0.01,R²=0.1088)(图3a)。RET M918T中仍显著,VAF均值27.88%、中位30.5%、范围20.3%~36.0%、IQR 21~36;p=0.02,R²=0.1227(图3b)。RAS阳性中,VAF均值35.48%、中位36.52%、范围28.5%~43.5%、IQR 28.8~43.8,VAF也与肿瘤大小相关(p=0.02,R²=0.2061)(图3c)。疾病死亡患者VAF也高于缓解者(中位VAF 37.6%,IQR 25~31.4)。

图3 sMTC患者VAF与肿瘤大小的相关性。散点图展示肿瘤大小(cm)与驱动VAF的相关性。分析包括全部RET突变亚组(a,p<0.01)、RET M918T热点(b,p=0.012)及RAS突变亚组(H-、K-、N-RAS;c,p=0.02)。所有相关均有统计学意义(Spearman检验)。
为进一步考察共存基因组事件,将患者分为仅RET与RET加共变异,以及仅RAS与RAS加共变异。RET两组无显著临床病理差异(未展示资料)。相比之下,RAS共变异肿瘤表现更具侵袭性的临床病理特征。
伴共变异者T3–T4为45.5%(5/11),单独RAS为6.2%(1/16)(χ²=5.582,p=0.02)(图4a)。伴共变异者生化治愈27.3%(3/11),单独RAS为75.0%(12/16)(χ²=5.791,p=0.02)(图4b)。肿瘤大小、淋巴结受累、远处转移、分级、分期、生存及无病生存等其他指标无显著差异。

图4 致癌共变异识别RAS突变sMTC中具有侵袭性临床特征的亚群。按驱动状态及是否存在额外体细胞共变异分层。(a)伴共变异的RAS肿瘤初诊原发T3–T4更常见(45.5%,5/11),无共变异者为6.2%(1/16;χ²=5.582,p=0.012)。(b)RAS伴共变异者较少获得优良生化反应(27.3%,3/11),单独RAS者为75.0%(12/16;χ²=5.791,p=0.02)。单独RET与RET伴共变异者在全部所评估临床指标中无具有临床意义的差异。(卡方检验;*:p<0.05)。
按驱动状态评价sMTC临床结局:RAS及RET的Kaplan–Meier和Cox分析
RAS关联更长无病生存(DFS,定义为Ct不可检出,log-rank p<0.01)及较非RAS更长疾病特异性生存(DSS,log-rank p=0.02)(图S2a)。RET则关联更短DFS(log-rank p<0.0001)(图S2b)及DSS(log-rank p<0.001)(图S2c)。
在RAS、RET M918T、其他RET及非RET/非RAS亚组间,RET M918T的DSS显著短于RAS(Bonferroni p=0.01),其他RET也较RAS短(Bonferroni p=0.04)。DFS类似,RET M918T(Bonferroni p=0.02)及其他RET(Bonferroni p<0.01)均较RAS短。
纳入RET和RAS体细胞突变、肿瘤分期及IMTCGS分级的逐步多变量Cox比例风险模型,确定IMTCGS分级为DSS唯一独立预测因素(HR 4.9,95% CI 1.1~22.6,p=0.04)。用相同协变量,结局独立受RAS突变(HR 0.4,95% CI 0.2~0.8,p<0.1)及较晚初诊分期(HR 3.4,95% CI 1.8~6.2,p<0.0001)影响。
讨论
本研究设计靶向基因面板,通过深度NGS识别sMTC体细胞变异。基因按其参与神经内分泌疾病及致癌通路的关键作用选择。除RET及RAS外,ATM、KMT2A、CDKN1A及GNAS最常改变,分别见于14%(13/94)、10%(10/94)、6%(6/94)及6%(6/94)。按RET阳性、RAS阳性及RET/RAS阴性分层,ATM和KMT2A是面板中唯一在全部亚组均有致癌变异的基因,提示其为继发获得、可能支持MTC发生或进展。
ATM功能丧失突变既往见于sMTC、肾上腺皮质癌及其他侵袭性内分泌恶性肿瘤。相关研究中ATM表达降低与转移潜能有关。鉴于其DNA损伤应答和细胞周期调控关键作用,尤其在RET/RAS阴性患者中的ATM变异,支持其潜在MTC抑癌功能。
细胞周期蛋白依赖性激酶抑制因子CDKN1A及CDKN2C,通过调节细胞周期检查点发挥抑癌作用。CDKN1A编码p21,是p53介导细胞周期停滞的关键效应因子。CDKN2C丢失在小鼠模型(RET2B;p18+/−)中与C细胞增生相关。在人MTC中,Grubbs等描述CDKN2C失活与RET M918T并存显著提高肿瘤风险、加速进展,突出细胞周期控制受损对播散的作用。
KMT2A编码参与染色质重塑及基因转录的组蛋白甲基转移酶,其致癌变异见于全部亚组。该基因家族变异涉及多种甲状腺肿瘤,日益被认为参与内分泌肿瘤发生中的表观遗传失调。
此外,6例有GNAS变异,包括RET阳性及RET/RAS阴性。GNAS编码参与cAMP信号的Gsα亚基,是多种内分泌肿瘤的已知驱动,尤其McCune–Albright综合征及生长激素细胞型垂体神经内分泌肿瘤(PitNET)。虽在甲状腺癌中少见,本队列发现提示其可能具有更广泛致癌作用。
PI3K/AKT/mTOR关键基因致癌变异也见于全部分子亚组,支持该通路参与MTC发生进展的失调。
与既往一致,RET及RAS占据sMTC遗传图谱主导,分别为53%(50/94)及29%(27/94)。RET M918T最常见(RET突变病例52%),符合其作为与侵袭性疾病相关强驱动的明确作用。
尽管已携带RET或RAS驱动肿瘤中检出极低VAF(<5%,如D631E、D567N、T1038A及S891A)额外RET变异,其低频率最可能反映亚克隆多样化而非独立驱动。同一病灶中通常互斥的RET及RAS可因不同微小克隆而共存,提示即使充分认识的驱动也可积累继发变异,促成肿瘤内异质性。
进一步分析发现,RET及RAS亚组驱动VAF百分比均与肿瘤大小正相关。整体支持RET及RAS作为肿瘤扩增的克隆驱动、VAF反映克隆增殖范围的模型。此外,确认RET与更短DFS、DSS关联,而RAS关联较低级别及显著降低的疾病相关死亡风险。
扩展体细胞分析揭示RAS突变亚组具有临床意义的分子异质性。按额外共变异分层后,与单独RAS相比,RAS共变异肿瘤初诊原发T状态更晚(T3–T4 vs T1–T2)、生化治愈率更低,临床特征较不利。
相比之下,单独RET与RET伴共变异无显著临床差异。提示RET自身或已足以驱动固有侵袭性表型,尤其在总体突变负荷较低的肿瘤中。相反,结果提供证据支持RAS驱动发生可能需额外协同基因组事件才能获得更侵袭性行为,这反映在RAS伴共变异者较差结局。
研究优势为帮助了解MTC,特别是文献机制尚不清楚的RAS突变MTC分子图谱,并将新发现与临床结局联系。但也应承认局限,主要为仅分析较有限数量的分子事件(31),聚焦突变、缺失和扩增,未考察融合及表观遗传事件等其他潜在相关改变。
结论
总之,靶向体细胞检测发现DNA损伤修复、表观遗传调控、细胞周期控制及细胞内信号通路的致癌变异,包括ATM、KMT2A、GNAS及CDKN1A。
重要的是,扩展面板揭示RAS突变MTC中有临床意义的异质性:伴额外共变异的RAS驱动亚群临床病理特征显著较不利,突出更广泛基因组刻画对细化风险分层及支持更精准、分子驱动临床管理的附加价值。
伦理声明
帕多瓦大学医院自2005年建立组织库。针对特定情况(如甲状腺结节或肾上腺疾病)接受手术者,常规要求同意采集并保存组织及血清用于研究(方案参考号3388)。本研究全部受试者按帕多瓦医院临床研究伦理委员会批准,提供样本入库书面知情同意。
文献来源
Ruggeri E, Censi S, Bertazza L, et al. Somatic genomic profiling reveals clinically relevant heterogeneity in RAS-mutant sporadic medullary thyroid carcinoma. Journal of Clinical & Translational Endocrinology. 2026;44:100442. DOI: 10.1016/j.jcte.2026.100442.
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
来源:梅斯医学·临床资讯 · news.medsci.cn