扫码联系客服
肿瘤微环境评估促进进展期胃癌免疫检查点精准治疗
这片文章发表在Journal for Immunotherapy of Cancer杂志上，该杂志在最近一年的影响因子: 13.751，比上一年增加了3.838。中科院大类: 医学 2区。中科院小类: 2区 免疫学。
背景知识：免疫检查点阻断(ICB)在少数转移性胃癌(MGC)患者中持续有效。作者开发了一个开源的TMEcore R包，以量化肿瘤微环境(TME)，以帮助解决这一困境。两个进展期胃癌队列(RNAseq，N=45和NanoString，N=48)和其他进展期胃癌(N=534)接受ICB治疗，以研究TMEScore的预测价值。同时，来自胃腺癌癌症基因组图谱(TCGA-STAD)和亚洲癌症研究小组(ACRG)的多组学数据被询问以寻找潜在的机制。
发现问题：免疫检查点阻断(ICB)应答的决定性生物标志物尚不清楚。
结果解读：
为了优化TME评估以实现更有效的临床应用，作者在6个ICB数据集中进行了特征工程，并将TMEscore signature基因从244个减少到44个。正如以前的研究表明，与ICB治疗反应负相关的基因在免疫排斥表型（EMT/转化生长因子-β通路）中富集，而免疫相关基因与疗效呈正相关（figure 1A）。在几个GC队列中，作者发现44个基因的TME值与先前测量的244个基因的TME值之间存在一致且密切的关联。值得注意的是，TME评分能够作为免疫治疗准队列的预后生物标志物(figure 1B)。在接受抗PD-1免疫治疗的晚期GC队列中，TME评分产生了最高的AUC(AUC=0.891)，超过了其它流行的生物标志物，包括MSI状态，TME，CPS和EB病毒感染（AUC=0.708, 0.672, 0.817, and 0.708）(figure 1C)。另外，TME评分与几种基于转录的预测对应物，综合基因表达谱评分(GEP)、免疫评分、CD8+T效应评分和泛成纤维细胞转化生长因子-β反应特征(PAN-F-TBR)相比，TME评分也是最高的(figure 1D)。作者进一步利用NanoString nCounter 平台和从48例多中心进展期胃癌患者接受ICB前的基线肿瘤组织中分离的RNA，去进一步测定TMEcore基因在肿瘤微环境中的表达。显然，TME评分达到了AUC=0.877的总体准确度，高于其它流行基因signature的预测值 (figure 1E,F)。与作者先前的研究一致，退行性肿瘤 (完全缓解(CR)/部分缓解(PR))的TMEscoreA评分明显高于稳定和进展期肿瘤(进展性疾病(PD)/稳定期疾病(SD))，TMEscoreB与晚期GC的治疗效果呈负相关(figure 1F)，暗示间质激活是ICB耐药的重要机制。TMEscoreB (基质相关)基因是更精确的生物标志物，与治疗耐药性显著相关，而TMEscoreA (免疫相关)基因在少数无反应者中高表达(figure 1G,H)。
为了提供一个准确的图来理解TMEScore在单一和联合免疫治疗中的表现，作者进一步研究了48名胃癌患者的NanoString结果。PD-L1的表达相对于进展期的患者，主要集中在子集(CR/PR)中，而不是进展期中(figure 2A–C)。PD-L2和TIM3在无反应的肿瘤中显著升高，这表明其他相应或旁路检查点通路的上调可能抵抗PD-1阻滞剂(figure 2B–D)，其机制可能是诱导间质激活和T细胞排斥。此外，据报道，SYNPO在CAF激活过程中上调，这是ICB抗性的关键机制。ICB单一疗法治疗进展期胃癌的临床益处有限，最近的临床试验表明，ICBs与化疗、抗血管靶向治疗或其他分子靶向治疗如CHECKMate-649相结合可显著改善治疗结果。大多数ICB相关基因和免疫相关基因与单一免疫治疗反应呈正相关 (figure 2E,F)。而在联合治疗亚群中，尤其是与免疫激活相关的标志物，其预测效果明显下滑(figure 2G,H)。然而，TME分数在这两组中仍然拥有强大的预测能力。可能归因于协同治疗过程中基质激活所施加的最重要的影响。在协同治疗中，PD-L2和TIM3的表达也显示出相似的趋势。它们在进展期患者中的上调提示了在形成肿瘤免疫逃避中潜在的关键分子特征(figure 2G,I)。这也暗示了免疫检查点相关基因的同步上调的存在，提示这一亚群患者可能在PD-L2或TIM3治疗中受益。
为了系统评价TMEScore在晚期胃癌中的预测价值和潜在机制，作者对接受培溴利珠单抗抢救治疗的晚期胃癌患者的多个组学数据进行了综合分析。与单独使用TME(AUC=0.921)评分相比，TME评分与TMB或CP(AUC值分别为0.964、0.973)相结合，观察到AUC值略有升高。尽管在成对比较中没有观察到统计上的显著差异。在Kim队列中，TME值与肿瘤体细胞突变和组织学亚型无关(figure 2J,K)。然而，当提到与ICB反应相关的一些生物标志物的水平时，如肿瘤PD-L1的表达分别用CPS、MSI状态和EBV感染来评估(figure 2L–N)。作者的分析表明，与肿瘤固有基因组特征相比，TME评分可以作为预测晚期胃癌ICB反应的可靠生物标志物。作者描述了使用抗PD-1免疫疗法治疗的转移性胃癌患者的TME特征评分、临床病理特征和分子特征，以调查可能与ICB治疗效果相关的因素。作者观察到，应答较好的患者更有可能拥有EBV和MSI-H分子亚型，但很少富含染色体不稳定(CIN)、基因组稳定(GS)和EMT分子亚型（figure 3A）。与作者最近在TCGA-STAD和ACRG队列中的研究一致，MSI-H和EBV亚型患者的TME值明显高于CIN和GS (figure 3B) 。提示TME值的预测性主要归功于分子表型分层。接下来，作者检查了EBV和MSI-H分子亚型分层患者的基因signatures和流行生物标志物的预测能力，据报道，它们表明对ICBS有更好的反应。ROC分析显示，TME值(AUC=0.895)对EBV和MSI-H分子亚型的预测优于MSI状态、TMB、CPS、EBV状态、GEPs、ImmuneScore、Pan-F-TBR和免疫检查点。为了验证上述发现，作者在两个大型多组学GC队列中进行了相同的统计分析。接下来，作者将重点放在TCGA-STAD队列上，并分析其临床特征(figure 3C)。在低TME值组中，MSI和EBV亚型大部分缺失，而在TME值高组中，MSI和EBV亚型占据了很大的比例（figure 3D）。作者的分析表明，在ACRG队列中，EBV感染的肿瘤与MSI-H肿瘤的TME值相当（figure 3E)。在TCGA队列中，其TME值甚至高于MSI-H肿瘤（figure 3F) 然而，在TCGA-STAD和ACRG队列中，肿瘤突变计数仍然明显低于MSI-H肿瘤（figure 3G,H) 作者还注意到，在TCGA队列中，与MSI-H的GC相比，EBV感染肿瘤中的新抗原载量明显降低（figure 3I)。相关分析显示，在两组数据中，TME值与肿瘤突变负荷呈正相关（figure 3J）。总体而言，在Pan- Caner队列中，EBV亚型保持在低水平的TMB和新抗原水平，这种新抗原与具有较高的TME值和免疫相关signatures有关。先前的研究表明，胃癌患者接受ICBS治疗时，EBV感染以及MSI-H表型的患者从ICB治疗中受益的可能性增加。这些观察进一步证实了TMB作为一种广泛使用的预测生物标志物无法识别具有EBV亚型的GC患者和具有病毒感染的肿瘤患者。正如预期的那样，TME分可以识别TCGA-STAD和ACRG队列中所有患者的EBV和MSI亚型，准确率明显高于TMB、GEP、1Pan- F- TBRs、和免疫检查点评分（figure 3K）。
体细胞基因突变可改变癌细胞对T细胞的易感性及T细胞免疫治疗。在两个大的患者队列中，作者试图揭示肿瘤治疗反应的免疫基因组决定因素和GC的肿瘤免疫微环境激活。用Wilcoxon检验和Fisher’s精确检验鉴定与TMEScore相关的突变（figure 4A）。作者的分析强调了ARID1A和PIK3CA的突变(figure 4A)。作者发现无论是用连续性评估还是二进制评估(figure 4B,C)，ARID1A和PIK3CA与TCGA-STAD队列中的TMEScore水平显著相关，这在ACRG队列中得到了验证。同时，将TMB分为高TMB组和低TMB组(截断值=400，)，分析TME评分与ARID1A或PIK3CA突变的关系。在低TMB组中，携带ARID1A或PIK3CA突变的患者TME值显著升高。然而，在高TMB组中没有观察到明显的趋势。上述结果表明，在低TMB条件下，ARID1A和PIK3CA突变都与TME活化有关，而在高TMB条件下，ARID1A和PIK3CA突变的影响可能被大量突变导致的新抗原增加进一步激活TME的现象所掩盖。PIK3CA是所有实体瘤中最常见的突变癌基因。ARID1A缺乏症也是多种恶性肿瘤中的一种常见突变，已有报道导致错配修复受损(MMR)、突变增加和微卫星不稳定的基因组特征，并可能与抗PD-L1治疗协同作用。值得注意的是，作者进一步调查了特定的突变位置，以确定在二进制TMEScore设置中突变频率最高的重复突变，以便通过trackViewer可视化结果。有趣的是，在TME值高的肿瘤(figure 4D)，ARID1A突变的p.D18550Tfs*33和p.F2141Sfs*59被突出显示(figure 4D)。并且与TMEScore水平密切相关进 (figure 4E)。具有PIK3CA的p.E545K和p.H1047R突变的胃癌在high-TMEscore组中显著富集。然而，尽管突变型和野生型之间存在显著差异，但在连续的TME值中观察到的统计差异是有限的。最近的两项研究表明，信号通路的突变可以作为免疫治疗的生物标志物，并提示了联合治疗的机会。目前的研究表明，通路突变主要来源于MSI分子亚型(figure 4F)。并且在高TME分数组中，几乎所有的通路都有显著的突变积累(figure 4F)。然而，根据先前的结果，与GS和CIN亚型相比，EBV亚型中也观察到了更高的PI3K途径突变频率，这表明EBV感染和PI3K信号通路之间存在潜在的相互作用，这可能部分解释了EBV感染患者TME值显著增加的原因(figure 3F)。总之，胃癌TME的大量数据分析阐明了ARID1A和PIK3CA突变状态的评估可作为胃癌免疫治疗策略的潜在生物标志物。
考虑到在不同的ARID1A突变状态下观察到的有趣的代谢规律，我们进一步探索了转录图谱，并剖析了影响TME评分关键预测能力的潜在内在机制。代谢特征通过PCA方法进行估计，并在TCGA-STAD队列中进行全面研究。相关分析表明，高TME值组犬尿氨酸代谢、嘌呤代谢和半胱氨酸代谢被激活，而低TME值组糖原代谢、转硫和甘氨酸丝氨酸代谢显著上调。(figure 5A,B) 统计分析表明犬尿氨酸代谢与高TME值和免疫治疗-有利的分子亚型（包括EBV和MSI-H）密切相关（figure 5C）。此外，还观察到犬尿氨酸代谢下调，提示T细胞被排斥，这可能表明对ICB治疗不敏感(figure 5E)。犬尿氨酸代谢过程可能是恢复肿瘤抑制T细胞免疫原性，从而提高ICB（如DO1抑制剂）治疗胃癌疗效。作者观察到在TCGA-STAD队列和ACRG队列中，TME值低的肿瘤和免疫排斥分子亚型的糖原代谢被显著激活(figure 5D)。这提示糖原代谢可能与免疫排斥表型密切相关。总之，作者确定了与TME相关的代谢特征和生物学过程的集合，这反映了TME的复杂性，并指出了潜在的联合治疗机会。
先前的一项研究表明，高m6A值意味着免疫排斥TME表型，间质激活，存活率降低，新抗原载量减少，此后，作者试图确定参与抗肿瘤免疫和肿瘤免疫编辑的表观免疫调节，这可能是理解疾病中发生的炎症反应的基础。对DNA甲基化位置格局的全面研究表明，VAMP8的去甲基化在低TME值的簇中富集，而ATG7的去甲基化在TME值高的簇中丰富(figure 5F–I)。差异甲基化基因的富集突出了VAMP8甲基化通过上调免疫途径，压缩白细胞活化调节途径，蛋白质膜定位，抗原加工和呈递，包被囊泡和再循环内体在TME调节网络中的重要作用。这表明VAMP8在广泛的信号通路中复杂的基因相互作用和串扰中起着关键作用。此外，ATG7去甲基化作为自噬的基因标志，与TMEScore显著相关。进一步分析已发现的ATG7相关信号之间的关系(自噬的正调节)表明，ATG7去甲基化是导致TME免疫排斥的原因之一，TMEcore B升高，TCGA-STAD和ACRG队列中成纤维细胞浸润。总而言之，DNA甲基化，例如VAMP8和ATG7的不同甲基化区域，可能提供一个了解TME和免疫活性测定的复杂性和多样性的角度，此后可能有助于优化免疫治疗策略。
本文小结：
作者优化了一个TME评估工具，它可以作为一个强大的生物标志物，并将其整合为一个开源的R包，以便进一步应用于临床实施。在两个进展期胃癌队列中验证了TMEScore的预测能力，突出了肿瘤微环境评估的预测效果。涉及ARID1A和PIK3CA突变、犬尿氨酸代谢、糖原代谢、ATG7和VAMP8甲基化的内在特征为TME评分指导的精确免疫治疗的潜在机制提供了新的见解。
