Q1.什么是肿瘤基因检测?
顾名思义，就是针对与肿瘤相关的基因进行检测的一门技术。目前的市场上， 肿瘤基因检测的产品方向主要有以下几种：
肿瘤易感基因检测：主要检测遗传多态性，这类产品的特点是频率高，致病性低，通常不直接致病，而是增加患病的风险;
遗传性肿瘤基因检测：主要检测胚系突变，这类产品的特点是频率低，致病性高，一旦携带有这种突变，则得病的概率非常高，可能在 50%以上，甚至 100%;
肿瘤精准用药基因检测：主要包括化疗、靶向及免疫等药物。
在肿瘤精准用药检测中详细展开又有以下几点：
化疗药物基因检测：比较简单，主要检测人体正常细胞的基因多态性(除了肿瘤组织的基因表达量)，而不是测肿瘤细胞的基因突变，所以化疗药物基因检测还不能算是完全意义上的精准医疗，因为没有涉及对肿瘤细胞基因突变的分析;
靶向药物基因检测：通常会检测肿瘤信号通路中特定基因的点突变/插入缺失/拷贝数变异/融合(结构变异)情况，从而找到对特定患者有效的药物或方案，算是真正意义上的精准医疗;
免疫药物基因检测：主要检测与免疫治疗相关的生物标志物，比如TMB，PD-L1，MSI，MMR，HLA等，以期指导免疫治疗;
肿瘤早期筛查基因检测：通过液体活检技术对 ctDNA(甲基化)进行检测，在肿瘤早期或超早期的时候就能够发现基因水平的变化，从而达到早筛查，早发现，早诊断及早治疗的目的;
除上述外，还有肿瘤预后预测、疗效评估等基因检测....
Q2.肿瘤基因检测Panel是什么?
Panel其实是NGS(二代测序，高通量测序技术)技术发展起来的一个词语，主要指同时检测多个基因、多个位点。基因检测的 Panel官方称之为“基因包”，也可以称之为“基因组合”，商业化的市场习惯称之为“基因套餐”。
就基因Panel本身来说，其实并没有指明所检测的基因数目应该是多少。几个基因可以是一个Panel，几十个基因也可以是一个 Panel，几百上千个基因也可以是一个 Panel。
就Panel大小来说，不仅需要看检测基因的数目，还需要看基因所覆盖的区域大小。
Q3.肿瘤NGS检测周期为什么那么长？
NGS检测不仅复杂，而且很多环节必须要质控合格才能进入下一阶段，只有所有质控合规，才能通过生信分析形成最终的报告。下图为实验室NGS检测流程，一般从实验室收到样本到形成报告，需要 5-7 天。
Q4.肿瘤基因检测 Panel中提及的指标什么意思?
测序覆盖度：指测序获得的序列占整个 Panel 基因组 size 比例。
由于Panel基因组中的高GC、重复序列等复杂结构的存在，测序最终拼接组装获得的序列往往无法覆盖所有的区域，这部分没有获得的区域就称为Gap。
比如一个肿瘤Panel测序，覆盖度是99%的话，那么还有1%的序列区域是没有通过测序获得的，Gap就是1%。
测序深度：指测序得到的总碱基数/待测基因组大小，它是评价测序量的指标之一。
假设一个Panel的size为2.0M，测序深度为500X，那么获得的总数据量为1.0G。(它的测序深度=总数据量1.0G/Panel大小 2.0M=500X)。
有效测序深度：不等同于测序深度，是指可信的、去除重复序列(dup)后目标区域的平均深度（有效测序深度是比测序深度更加能够评价测序质量）。
比如2.0M的Panel Size，下机数据量 1.0G，有50%数据落在目标区域(on target)，50%为重复序列，那么其测序深度为 500X (1.0G/2.0M),有效深度仅为 125X(1G*50%*50%/2.0M)。
灵敏度(sensitivity)：指患者中试验阳性者所占比例。对应假阴性率。计算公式：灵敏度(Sen)=a/(a+c)%。
特异度(specificity)：指没有患病的人中试验阴性者所占比例。对应假阳性率。计算公式：特异度(Spe)=d/ (b+d)%。
检出限(LOD)：Limit of detection，是指样品中分析物可被检出的最低的含量，此项指标体现了试剂检测的分析灵敏度。
Q5.提高测序深度会不会提高检出限(LOD)?
提高测序深度可以增加检测灵敏度、特异性，同时提高检出限，但不能突破极限检出限。
在DNA量一定的情况下，满足一定量测序深度后，检出限存在理论极限值，单纯通过增加测序深度并不能降低检出限，盲目加大测序深度只会产生更多的重复(duplication)，造成数据浪费，所以测序深度并非越深越好。
比如ctDNA上样量为33ng(10000拷贝)，文库构建转化率50%，就是5000个拷贝，测序深度增加再深，理论上最多也只能测出 5000个拷贝，LOD也不可能达到万分之一的。
Q6.基因检测中Reads，Raw Reads及Clean Reads是什么?
Reads：高通量测序平台产生的序列就称为reads。
Raw Reads：原始下机数据称为Raw Reads(Raw data)。
Clean Reads：通过生物信息的方法，去除一些质量差的reads(比如测序错误，长度小于20的reads，接头序列，UMI序列等)，得到CleanReads(Clean data)。
