The analysis of cancer genome provides clinically meaningful information such as druggable mutations. Whole genome sequencing (WGS) provides a complete mutational landscape at an affordable cost thereby having potential of increased clinical utility compared to the usual approach of targeted panel sequencing (TPS). To understand the capabilities of WGS in the precision oncology, I analyzed WGS (tumor and blood) and TPS (tumor only) of 60 non-small cell lung cancers. In addition to driver events, I compared pattern-based features such as tumor mutational burden (TMB), mutational signature, and copy number variation (CNV). Across the 60 samples, WGS and TPS showed 100% concordance in detecting 51 classical driver mutations fusion oncogenes. WGS detected 94.9% of non-classical driver mutations detected by TPS and additionally found 42 more events (e.g. PRKN mutation). Among non-classical driver structural variations (SVs), 3 were detected from both methods (e.g. CDKN2A truncation), whereas WGS detected 7 more events (e.g. RAF1-DAAM1 fusion). As for TMB, TPS values were comparable to that of WGS (Pearson r > 0.95) but filtering strategies using unrelated TPS samples were required. With regard to detecting a specific mutational signature, TPS showed 100% positive predictive value for tobacco-related and 100% sensitivity for APOBEC-related signature. For CNV, TPS missed 4 of 34 driver amplifications within TPS target regions, while WGS detected 20 more events not covered by TPS. Tumor cell purity and mean ploidy showed significant correlation between WGS and TPS (Pearson r 0.524 and 0.468 respectively, p<0.05). Finally, WGS detected 12 more druggable events. From 5 samples, WGS detected some druggable events but TPS could not find any. My study demonstrates that WGS has equivalent capability for the detection of classical driver events with established importance. Moreover, WGS is superior for pattern-based features and detection of druggable driver events.
전장유전체분석은 암 유전체에 대한 완전한 정보를 제공함으로서 정밀종양학에 있어 큰 도움이 될 수 있으나, 임상 현장에서는 유전자패널분석을 주로 사용하고 있다. 본 연구에서는 60례의 폐암을 분석하였다. 전장유전체분석은 종양 조직 및 혈액을 이용하였고, 유전자패널분석은 종양 조직만을 이용하였다. 두 방법론은 고전적인 드라이버 변이 및 융합암유전자 발견에 있어 완벽한 민감도를 보였으며, 42개의 비고전적인 드라이버 단순 변이 (PRKN 변이 등) 및 7개의 구조변이가 전장유전체분석을 통해 추가로 발견되었다 (RAF1-DAAM1 융합 등). 종양돌연변이부하에 있어서는 두 방법론에서 사이에 유사성이 높았으나, 위양성 신호를 제거하는 과정이 필요하였다. 한편 유전자패널분석은 담배 및 APOBEC 관련 시그니쳐를 감지할 수 있었던 반면 일부의 복제수변이를 놓치는 경우가 있었다. 마지막으로, 전장유전체분석은 표적치료 대상 변이를 12개 더 발견했으며, 5례의 폐암에서는 오직 전장유전체분석으로만 표적치료 대상 변이를 찾을 수 있었다. 본 연구를 통하여 전장유전체분석은 유전자패널분석과 비교하여 고전적인 드라이버 변이를 찾는 데에 동등한 성능을 지녔으며, 복제수변이 및 표적치료 대상 변이를 찾는 능력에서 보다 우월함을 알 수 있었다.
