表皮生长因子受体（EGFR）突变通常发生在外显子18-21，是非小细胞肺癌（NSCLC）的驱动基因突变。经典EGFR突变(L858R或19del)患者在使用第一代、第二代或第三代EGFR TKIs治疗时，临床结果均有显著改善1-4。但对于非经典突变患者，TKI的治疗效果存在异质性。目前，非经典EGFR突变获FDA批准的靶向药物有治疗EGFR S768I、L861Q和G719X的阿法替尼5-7，治疗外显子20插入的EGFR/MET双特异性抗体amivantamab8以及mobocertinib9。对于其他非经典EGFR突变的患者，目前还没有FDA批准的确定有效的靶向治疗方法及明确的EGFR TKIs治疗指南，这往往导致部分患者需要直接使用化疗。
非经典EGFR突变患者的临床试验设计和治疗通常依赖突变外显子的位置来预测治疗效果10,13,16，但目前已观察到单个外显子对不同药物的敏感性是存在差异的。非经典突变的这种异质性降低了其对包括第三代TKI奥希替尼在内的EGFR TKIs治疗反应10-15。通过对不同EGFR突变如何影响EGFR信号转导及对EGFR TKIs的敏感性的深入了解，可对临床决策产生积极影响，因此，建立一套能够预测药物敏感性的EGFR突变分类系统，仍是临床研究以及实际临床工作中未被满足的需求。
近期，美国MD安德森癌症中心的John V. Heymach团队发表在Nature杂志上的一项研究通过对临床前模型、蛋白质3D结构和患者反应数据进行分析，揭示了不同EGFR结构区域的突变可以预测不同EGFR TKIs的反应17。
主任医师，博士生导师
中国科学院大学肿瘤医院胸部肿瘤内科主任
中国临床肿瘤学会理事
中国临床肿瘤学会小细胞肺癌专家委员会副主任委员
浙江省抗癌协会肿瘤内科专业委员会候任主任委员
浙江省医师协会肿瘤精准治疗专委会主任委员
浙江省医学会肿瘤学分会常委
非经典突变临床预后存在异质性
1. 患者数据的基线特征
为了描述EGFR突变NSCLC的分子特征，本研究对5个具有基因组图谱的患者数据库进行分析，有11,619例患者记录了原发和/或共发突变。其中，67.1%的患者携带经典EGFR突变（L858R 和/或 Ex19del伴或不伴T790M）； 30.8%的患者携带非经典突变：Ex20ins（9.1%）、非经典突变（12.6%）或包含一个非经典突变的复杂突变（9.1%）；2.2% 的患者携带经典突变和T790M以及一个非经典突变。非经典EGFR突变（n = 7199）主要发生在外显子18(23.7%)和外显子20(20.9%插入突变+19.2%点突变)（图1），且主要集中在磷酸结合环（P-loop）(L718-V726，13.6％）和αC-螺旋的C末端环（A767-G779，29.4％）。
图1：NSCLC患者EGFR突变比例
2. EGFR非经典突变对不同TKI反应存在差异
为了评估非经典EGFR突变对患者预后的影响，本研究测定了携带经典或非经典EGFR突变的NSCLC患者的至治疗失败时间（TTF）。结果发现，非经典EGFR突变患者的TTF较经典突变患者短（HR=1.8, P<0.0001），当按照突变外显子位置分组时，也可以得到类似的结果（图2）。而当按照不同TKI治疗进行分组时发现，接受一代（HR=1.9, P=0.0005）和三代TKI（HR=3.0, P<0.0001）治疗的经典EGFR突变患者的TTF较非经典突变患者更长，而接受二代TKI治疗的患者的TTF并未表现出显著性差异（HR=1.7, P=0.10）（图3）。
图2：EGFR经典突变和非经典突变患者TTF
图3：不同TKI治疗组EGFR经典突变和非经典突变患者TTF
基于结构-功能分类
可更准确预测药物反应
1. 基于结构-功能的分类
为了找到能够更准确预测药物反应的EGFR突变分类方法，本研究构建了76个表达EGFR突变的细胞系（跨越外显子18–21），使用18种EGFR抑制剂（包括一/二/三代TKIs和抗Ex20ins活性TKIs）筛选这些细胞系，使用分层聚类法分析野生型EGFR的体外选择性（图4a）以及绘制EGFR突变图谱（图5），观察到四类不同突变亚组：(A)远离ATP结合口袋的经典样突变,(B)位于疏水核心的T790M样突变，(C)外显子20中αC-螺旋C末端环中的插入（Ex20ins-L），(D)发生在ATP结合袋内表面或aC-螺旋C末端的突变[预测为P-环和aC-螺旋压缩(PACC）]。通过计算每个突变的药物敏感性和选择性以及与预测药物敏感性的相关性，发现基于结构-功能分类相比基于外显子分类，更能预测突变对药物的敏感性（P<0.0001）（图4b,c）。
图4：基于结构-功能分类和外显子分类预测突变及药物敏感性的比较
图5：EGFR突变图谱
2. 外显子20插入具有异质性
研究表明，外显子20突变对TKIs的反应是异质的18，大多数外显子20点突变属于PACC突变；外显子20在αC-螺旋中的插入[例如，A763 处的 FQEA 插入（A763insFQEA）]对 EGFR TKIs是泛敏感的，属于经典样突变；其他发生在外显子20的αC-螺旋C末端环中的插入突变（A767–C775），即Ex20ins-L，对 EGFR TKIs不敏感，仅对选择性第二代TKIs（即波齐替尼和tarlox-TKI）和Ex20ins活性TKIs敏感。进一步说明外显子内的突变是异质的，基于外显子的分类不太可能是指导治疗决策的最佳方法。
3. T790M样的耐药突变
尽管所有T790M样突变在疏水核心至少有一个突变，但在结构分类上有两个不同的T790M样突变亚群：第三代TKI敏感型（T790M-like-3S）和第三代TKI耐药型（T790M-like-3R）。T790M-like-3S突变对第三代TKI和一些Ex20ins活性抑制剂具有高选择性，对ALK和PKC抑制剂具有中度选择性。T790M-like-3R突变，包括T790M和已知的耐药突变（即C797S、L718X或L792H）的复杂突变，对经典的EGFR TKIs具有耐药性，但保留了对选择性ALK和PKC抑制剂的敏感性，如brigatinib或midostaurin。这些数据支持进一步研究ALK和/或PKC的抑制剂，或为更广泛的T790M-like-3R突变型开发新型非共价抑制剂。
4. PACC突变对二代TKI敏感
PACC突变包括跨越外显子18-21的突变，包括G719X、L747X、S768I、L792X和T854I，预计会改变P-环或αC-螺旋的方向。对奥希替尼与PACC突变G719S和L718Q相互作用的电子分析表明：P环方向的变化会改变TKI稳定点的位置，使奥希替尼的吲哚环偏离P环，从而破坏药物结合的稳定性。相比之下，第二代TKI不与EGFR的P-环相互作用，并在疏水裂隙中保持相互作用点。当比较EGFR TKIs对PACC突变的选择性时，发现第二代TKI对PACC突变的选择性明显高于任何其他TKIs（图6）。对于不伴T790M突变的PACC突变——C797S突变赋予了对第三代TKI和Ex20ins活性抑制剂的耐药性，但对第一代或第二代TKIs具有一定敏感性。
图6：PACC突变对第二代TKI高度敏感
本研究回顾了临床案例，观察到相似的结果。具有复杂PACC突变E709K/G719S的患者，经阿法替尼治疗，观察到肿瘤缩小和临床获益（图7）。类似地，与原发性经典EGFR突变同时发生的获得性PACC突变（例如L858R/L718V）对第三代TKI耐药后，保留了对第二代TKI的敏感性（图8）。这些数据表明原发性和获得性PACC突变都对第二代TKI敏感。
图7：具有E709K/ G719S复合突变患者接受阿法替尼治疗4周前后的CT图像，红色箭头表示左肺胸腔积液消退，右肺胸腔积液减少和肿瘤病灶缩小
图8：患者接受奥希替尼治疗5.5个月和阿法替尼治疗15个月后的CT图像，红色箭头表示具有L858R/L718V突变的病变
基于结构-功能的分类
预测EGFR TKIs临床疗效
为了确定基于结构-功能分类相比基于外显子分类是否能够识别出更可能从治疗中获益的患者，本研究使用了公开数据库，记录了接受阿法替尼治疗的非经典EGFR突变患者的预后，并确定总有效率（ORR）和治疗持续时间（DOT）。结果表明，基于结构-功能的分类显示出敏感（经典样突变和PACC突变）和耐药（T790M样突变和Ex20ins-L）亚组之间存在明显差异（ORR分别为63%和20%），而基于外显子的分类在敏感和耐药亚组之间的差异较小。阿法替尼（n=156）治疗PACC突变组的DOT显著长于其他分组（DOT:17.1个月，P<0.0001）（图9a）。
另外，为了确定基于结构的分类是否能够明确哪类抑制剂对非经典EGFR突变患者最有利，本研究从MD安德森癌症中心的数据库中对接受EGFR TKIs治疗的非经典EGFR突变患者的TTF进行了回顾性分析，PACC突变患者接受第二代TKI治疗的TTF显著长于接受第一代或第三代TKI治疗患者（分别为21.7个月、10.0个月和4.1个月）；当使用第二代TKI治疗时，PACC突变患者的TTF比非PACC突变患者更长（21.7个月和10.0个月；HR=2.6，P=0.0068）（图9b、c）。当按外显子进行分类时，与第三代TKI相比，仅在第二代TKI治疗的外显子18突变患者中观察到显著差异（20.9个月与5.5个月；HR=0.29，P=0.001）。
图9：基于结构-功能预测非经典EGFR突变NSCLC患者的治疗预后
综上所述，与基于外显子的分类相比，结构-功能分类不仅能更精准地识别出更多可能从治疗中获益的患者，而且还确定了能从第二代TKI治疗中获益的更大的亚组人群（PACC突变）。
专家述评
本研究发现，可以根据结构-功能将EGFR突变，包括非经典突变，分为四个不同的亚型，相比传统的基于外显子分型，基于结构-功能的分型可更好预测药物敏感性和患者预后。虽然先前的研究表明，第二代TKI在具有特定非经典突变的患者中具有活性，但基于结构-功能的分型确定了一个更大的EGFR突变亚型，即PACC突变，在该类型突变中第二代TKI对比第三代TKI表现出更强的抑制活性和临床获益。
以上发现表明，基于结构-功能的分型可以识别出对整个突变组有效的药物类别，反映出即便是基因不同区域的突变也可能会导致蛋白质结构的相似变化。例如，L718Q、S768I和T854I分别对应于外显子18、20和21，但都是具有相似结构效应的PACC突变。反之，同一外显子内的突变可能引起完全不同的结构变化，例如，L747_K754del-insATSPE、L747P和E746-A750del突变都发生在外显子19，但分别是T790M样突变、PACC突变和经典突变，具有明显不同的的药物敏感性和结构效应。
非经典EGFR突变的异质性和较过去更高的流行病学数据显示了NSCLC患者进行新一代测序（NGS）的必要性。将EGFR突变患者进行适当的分型和治疗，即将患者突变与最佳EGFR TKI匹配是临床医生面临的挑战。深入探索分类方式，例如本研究提到的基于结构信息的分类，对于每一个个体患者来说，基因突变图谱将能提供更高的治疗精确度信息。
本研究提供了临床数据和基础结构上的重要信息，同样重要的是考虑如何将此研究结果在临床上进行有效的实践和验证。此外，作为一种对新分类的探索方法，对基因突变数据库的应用及治疗结果的数据将有助于更好开展“真实世界”研究，可进一步了解各种类型肿瘤的不同突变对抑制剂的不同反应，同时也为未来的临床研究设计带来新的思考。
参考文献
1. Rosell, R. et al. Lancet Oncol. 13, 239–246 (2012).
2. Sequist, L. V. et al. J Clin Oncol. 31, 3327–3334,
3. Soria, J. C. et al. N Engl J Med. 378, 113–125 (2018)
4. Ramalingam, S. S. et al. N Engl J Med. 382, 41–50 (2020).
5. Wu, Y. L. et al. Lancet Oncol. 15, 213–222 (2014).
6. Yang, J. C. et al. Lancet Oncol. 16, 830–838 (2015).
7. Yang, J. C. et al. Lancet Oncol. 16, 141–151 (2015).
8. Administration, U. S. F. a. D. (ed FDA) (2021).
9.武田制药官网：https://www. takeda.com/ newsroom/ newsreleases/2021/ takeda-exkivity- mobocertinib -approved -by-us-fda/
10. Russo, A. et al. Int J Mol Sci. 20, 1431 (2019).
11. Klughammer, B. et al. J Thorac Oncol. 11, 545–555 (2016).
12. Yoshikawa, S. et al. Oncogene 32, 27–38 (2013).
13. Massarelli, E., et al. Lung Cancer 80, 235–241 (2013).
14. Yasuda, H., et al.Lancet Oncol. 13, e23–e31 (2012).
15. Kosaka, T. et al. Cancer Res. 77, 2712–2721 (2017).
16. Shi, J. et al. Chin J Cancer Res. 29, 543–552 (2017).
17. Jacqulyne P. et al. Nature. 2021 Sep;597(7878):732-737.
18. Robichaux, J. P. et al. Nat Med. 24, 638–646 (2018).
排版编辑：肿瘤资讯-YTT
苏公网安备32059002004080号
