在精准医学时代，基因检测技术已成为疾病诊断和治疗的重要工具。其中，拷贝数变异（Copy Number Variation, CNV）检测因其在临床用药指导中的关键作用而备受关注。
一、什么是CNV？
拷贝数变异（CNV）是一种基因组结构变异，表现为基因组中大片段的重复或缺失。这种变异可能涉及数千甚至数百万个碱基对，对基因表达和功能产生重大影响。例如，在乳腺癌中，HER2基因的扩增或过表达约占18%，且对曲妥单抗等靶向药物敏感。类似的情况也出现在非小细胞肺癌和胃癌中。
二、CNV检测方法
（一）基于IHC的检测
免疫组织化学（IHC）是一种经典的检测方法，通过抗原抗体反应来检测组织细胞内的蛋白质表达。例如，检测HER2基因是否发生过表达时，IHC可以提供定位、定性和相对定量的信息。
特点：
优点：操作简便，成本低，适合单基因过表达检测。
缺点：判读依赖操作人员经验，灵敏度一般，无法检测基因扩增。
适用场景：肿瘤用药基因HER2过表达筛查。
（二）基于FISH的检测
荧光原位杂交（FISH）技术利用标记的单链核酸探针与目标基因结合，通过荧光信号的强度和数量来判断基因的扩增或缺失。
观察程序：
要求至少找到2个浸润癌区域，计数至少20个浸润癌细胞；
观察HER2和CEP17信号，并进行信号计数和比值计算；
特点：
优点：准确性高，适合单基因扩增检测。
缺点：每次只能检测一个基因，样本要求高，成本高（每次检测费用>2000元）。
适用场景：HER2基因扩增检测，融合基因检测。
IHC or FISH？
IHC和FISH为临床上检测HER2基因扩增的金标准。
（三）基于NGS的检测
随着测序技术的发展，基于下一代测序（NGS）的CNV检测逐渐成为主流。NGS技术通过分析短读序列，采用多种方法检测CNV，如pair end mapping（PEM）、split reads（SR）、reads深度（RD）等。
特点：
优点：高通量，可同时检测多个基因的拷贝数变异、单核苷酸变异（SNV）和融合基因；灵敏度高，成本低。
缺点：技术复杂，对生物信息学分析要求高。
适用场景：多基因、多位点筛查，适用于复杂样本检测。
（四）基于MicroArray的CNV检测
如下介绍MicroArray的CytoScacn技术：通过对比待检测样本与参考数据的荧光信号强度，判断待检测样本基因组DNA是否发生拷贝扩增。
分辨率：>25kb-50kb
使用ChAS软件分析，可得到CNV拷贝数和区域，及可视化展示。
适用场景：基因组水平核型分析、嵌合体分析等，DNA水平，分辨率相对于NGS低。
三、NGS CNV检测的关键技术
（一）Panel设计
NGS CNV检测的核心在于Panel设计。例如，基于Ion AmpliSeq技术的Panel设计需要遵循以下原则：
- CNV基因的扩增区域不应超过Panel的20%；
- 每个基因至少有10-20个扩增子覆盖；
- 避免设计人群中常见的非致病性CNV区域。
（二）算法优化
NGS CNV检测的准确性一般在kb级别，优化的算法或参考集，准确度可能缩小到几百bp，检测原理主要基于depths、reads split。
（三）样本质控
样本质量是检测成功的关键。例如，肿瘤细胞比例会影响CNV检测的准确性。一般来说，肿瘤细胞比例不应低于50%。对于多重扩增测序，MAPD（Median Absolute Pairwise Difference）值也是重要的质控指标，其值应低于0.5，代表样本没有过分降解，以确保检测结果的可靠性。
四、CNV检测的应用与挑战
（一）临床应用
CNV检测在肿瘤治疗中具有重要意义。例如，HER2扩增的乳腺癌患者可以通过检测结果选择合适的靶向药物。此外，随着越来越多的靶向药物进入临床试验，CNV检测的需求也在不断增加。
（二）技术挑战
尽管NGS技术已经取得了巨大进步，但CNV检测仍面临一些挑战。例如，如何在保证检测准确性的同时降低检测成本，如何提高检测通量以满足临床需求等。此外，样本类型（如FFPE样本）的复杂性也对检测提出了更高的要求。
五、未来展望
随着技术的不断进步，CNV检测将更加精准、高效。例如，多组学技术的结合将为CNV检测提供更全面的视角。同时，人工智能和机器学习算法的应用也将进一步提高检测的准确性和效率。
总之，CNV检测在精准医学中扮演着重要角色。从传统的IHC和FISH技术到新兴的NGS技术，每一种方法都有其独特的优势和局限性。未来，随着技术的不断创新和优化，CNV检测将为更多患者带来希望。
