Riassunto analitico
Introduzione Il tumore mammario continua a essere la forma più comune di neoplasia che colpisce le donne in tutto il mondo. Nonostante il lieve miglioramento della sopravvivenza osservata negli ultimi due decenni, la prognosi dei pazienti con malattia metastatica continua a essere infausta. Negli ultimi anni, lo standard di cura per questi pazienti è gradualmente evoluto da trattamenti empirici basati sulle caratteristiche clinico-patologiche, all'utilizzo di approcci mirati basati sul profilo molecolare del tumore. E’ stato quindi sviluppato un numero crescente di farmaci a bersaglio molecolare. Questi farmaci hanno come target specifiche alterazioni molecolari, chiamate "mutazioni driver", che conferiscono alle cellule tumorali un vantaggio di sopravvivenza. Mirare queste alterazioni rappresenta una strategia razionale per offrire un trattamento più personalizzato ed efficace. Tuttavia, ciò che ancora manca è, innanzitutto, uno strumento che indichi quale trattamento deve essere proposto ai pazienti e, in secondo luogo, uno strumento in grado di prevedere la loro risposta alle terapie. Lo scopo principale del nostro studio era studiare i meccanismi di resistenza ai trattamenti nei pazienti affetti da tumore della mammella metastatico e allo stesso tempo sviluppare uno strumento in grado di selezionare il trattamento più appropriato basato sul profilo molecolare del tumore. Inoltre, gli obiettivi secondari erano definire il profilo genomico dei pazienti che rispondono meglio ai trattamenti o dei pazienti ad aumentato rischio di ricaduta ed, eventualmente, identificare nuovi bersagli per lo sviluppo di farmaci. Materiali e metodi Abbiamo valutato un gruppo di 25 geni coinvolti nei meccanismi di resistenza ai trattamenti endocrini e a bersaglio molecolare. Abbiamo analizzato i tessuti paraffinati ottenuti da tumori mammari primitivi che esprimevano i recettori ormonali e/o la proteina HER2 e dai rispettivi siti metastatici, utilizzando una tecnologia di Next Generation Sequencing, la Ion Torrent Personalized Genome Machine (PGM) (Life Technologies, Guilford, CT, USA). Risultati Abbiamo completato il sequenziamento di 32 campioni ottenuti da 16 pazienti (età media alla diagnosi: 56,7 anni): 3 (18,7%) pazienti con stadio IA, 4 (25%) con stadio IIA, 2 (12,5 %) con stadio IIB, 3 (18.7%) con stadio IIIA, 2 (12.5%) con stadio IIIC e 2 (12.5%) con stadio IV. Sei pazienti (37,5%) presentavano un tumore Luminal A-like, mentre 10 (62,5%) presentavano un tumore Luminal B-like, 4 dei quali erano HER2 positivi. Finora sono disponibili dati relativi al sequenziamento dei primi 6 pazienti. Dieci geni differenti (PTEN, PIK3CA, mTOR, ERBB2, ERBB3, MET, INPP4B, MAP2K1, CDK6, KRAS) hanno mostrato possibili varianti patogenetiche. In particolare, 4 pazienti hanno mostrato le stesse mutazioni nel tumore primario e secondario, mentre 3 pazienti hanno modificato il loro profilo di mutazione con la progressione della malattia. In 3 pazienti diagnosticate in stadio precoce di malattia, le mutazioni presenti nei tumori primari (PTEN, PIK3CA, ERBB2) potrebbero spiegare la successiva resistenza al trattamento e quindi la recidiva. In un paziente, il sito metastatico presentava tre nuove varianti (ERBB2, ERBB3, KRAS), che potrebbero spiegare la precedente resistenza al trattamento e quindi la progressione della malattia. Conclusioni Nel complesso, in 3 pazienti il profilo mutazionale del tumore primario avrebbe potuto prevedere la resistenza al trattamento adiuvante e quindi la progressione, mentre in 4 pazienti lo stato mutazionale del sito metastatico avrebbe potuto guidare diversamente le scelte di trattamento successive. I dati relativi agli ultimi 10 pazienti sono in fase di elaborazione, per cui i risultati finali saranno pronti tra poche settimane.
|
Abstract
Introduction
Breast cancer continues to be the most common form of cancer that affects women worldwide. Despite the slight improvement in overall survival observed in the last two decades, the prognosis of patients with metastatic disease continues to be poor. In the last few years, the standard of care for patients with metastatic breast cancer has gradually evolved from empirical treatments based on clinical-pathological characteristics to the use of targeted approaches based on the molecular profile of the tumor. Consequently, an increasing number of molecularly targeted drugs have been developed for the treatment of metastatic breast cancer. These drugs target specific molecular abnormalities, including mutated protein kinases and amplified or rearranged transcription factors. These alterations, called ‘driver mutations’, confer to cancer cells a survival advantage, so that targeting these alterations is a rational strategy to offer more personalized and effective treatment to metastatic patients. Nevertheless, what is still missing is, first of all, a tool indicating which treatment should be proposed and administered to patients and secondly, one able to predict their response to therapies. The main purpose of our study was to investigate the mechanisms of resistance to treatments in metastatic breast cancer patients and, at the same time, to develop a tool able to select the most appropriate treatment based on the tumor molecular profile. In addition, secondary aims were to define the genomic profile of good responders or patients at increased risk for relapse and, possibly, to identify new targets for drug development.
Materials and Methods
We evaluated a panel of 25 genes involved in the mechanisms of endocrine and targeted treatment resistance. We analyzed formalin-fixed and paraffin-embedded (FFPE) tissues of primary hormone receptor positive and/or HER2 positive breast cancers and the matched tissues taken from relapsed sites. Therefore, we evaluated tissues at the diagnosis and at the metastasization, after the progression to treatments, using a next-generation sequencing (NGS) technology, the Ion Torrent Personalized Genome Machine (PGM) (Life Technologies, Guilford, CT, USA).
Results
We have completed the sequencing of 32 samples of 16 patients (mean age at diagnosis: 56,7 years): 3 (18.7%) patients with stage IA breast cancer at the diagnosis, 4 (25%) with stage IIA, 2 (12.5%) with stage IIB, 3 (18.7%) with stage IIIA, 2 (12.5%) with stage IIIC and 2 (12.5%) with stage IV. Six (37.5%) patients had Luminal A-like breast cancer while, 10 (62.5%) had Luminal B-like breast cancer, 4 of which were HER2 positive. So far, data regarding sequencing of the first 6 patients are available. Ten different genes (PTEN, PIK3CA, mTOR, ERBB2, ERBB3, MET, INPP4B, MAP2K1, CDK6, KRAS) showed possible damaging variants. Particularly, 4 patients showed the same mutational status in primary and secondary tumor, while 3 patients changed their mutational profile with the disease progression. In 3 early stage patients, the mutations found in primary tumors (PTEN, PIK3CA, ERBB2) may explain the subsequent treatment resistance and thus the relapse. In 1 patient, the metastatic site presented 3 new variants (ERBB2, ERBB3, KRAS), which might explain the previous treatment resistance and thus the progression of the disease.
Conclusions
Overall, in 3 patients the mutational status of primary tumor could have predicted treatment resistance and thus progression, while in 4 patients the mutational status of metastatic site could have guided differently subsequent treatment choices. Data regarding the last 10 patients are under elaboration, thus final results and conclusion will be ready in few weeks.
|