定义实体肿瘤中免疫检查点抑制剂的临床有用生物标志物

这是一篇关于定义实体肿瘤中免疫检查点抑制剂的临床有用生物标志物的思维导图，理想的多模态生物标志物模型将通过整合肿瘤、免疫微环境和宿主因素来提供对肿瘤反应或进展的纵向评估。

定义实体肿瘤中免疫检查点抑制剂的临床有用生物标志物【Nat Rev Cancer. 2024. PMID: 38867074 Review.】 本文重点关注 ICI 反应和/或耐药性的预测性生物标志物，

• 目前FDA批准的免疫检查点抑制剂ICI
  • 首次使用伊匹单抗（一种抗细胞毒性 T 淋巴细胞相关抗原 4 (CTLA4) 的单克隆抗体）治疗转移性黑色素瘤【2010新英格兰PMID： 20525992】
• 目前FDA获批的生物标志物 （均属于静态生物标志物）
  • PD-L1表达
    • PDL1表达的免疫组织化学(IHC) 可提供肿瘤比例评分 (TPS)，该评分是在任何强度下显示部分或完全膜染色的存活肿瘤细胞的百分比，FDA 已批准该检测作为 pembrolizumab 的伴随诊断测试，最初用于晚期非小细胞肺癌【2019JCO.PMID: 30620668】
    • PDL1 单克隆抗体 (atezolizumab)
    • PD1 单克隆抗体 (pembrolizumab 和 nivolumab)
      • 初始 I 期试验（KEYNOTE-001）中，PDL1 TPS > 50% 的患者亚组使用帕博利珠单抗的反应率为 45.2%，而所有接受该 ICI 的患者（无论其 TPS 如何）的反应率为 19.4%【2015新英格兰PMID: 25891174】。 II/III 期研究（KEYNOTE-024）将 PDL1 TPS > 50% 的患者随机分配接受帕博利珠单抗治疗和标准化疗，结果显示，接受帕博利珠单抗治疗的患者总体生存率显著提高，从而加速了该 ICI 作为 NSCLC 一线治疗的获批【2016新英格兰PMID： 27718847】。
      • 子主题
      • 子主题
    • PDL1 作为预测 ICI 疗效的生物标志物的应用受到限制
      • 肿瘤背景可能是部署 ICI 预测生物标志物的关键
        • 许多癌症类型的 PDL1 表达与免疫疗法反应之间几乎没有相关性【2021PMID: 33580222】
        • 最有可能从治疗中受益的队列的截断值可能因不同的癌症类型而异
          • 派姆单抗被批准用于胃食管癌、膀胱癌和肺癌中肿瘤 PDL1 表达分别为 1%、10% 和 50% 的患者【2019 PMID： 31655605】
        • 评估 PDL1 表达的细胞群也可能因癌症类型而异，检测方法可以测量肿瘤细胞、免疫细胞或两者的复合体
          • 头颈部复发性或转移性鳞状细胞癌的治疗选择使用综合阳性评分（CPS；PDL1 阳性细胞的数量，包括肿瘤细胞、淋巴细胞和巨噬细胞与总活细胞数之比）≥1【2014 PMID： 24714771】【2019柳叶刀 PMID： 31679945】
        • 在单个患者中，不同肿瘤病变之间，甚至在同一肿瘤内，PDL1 表达存在不一致【2019PMID： 31320000】
      • 不同检测平台的差异 FDA 已批准了四种通过 IHC 检测 PDL1 表达的商业化检测方法（Dako Link 48 平台上的 22C3 和 28-8 以及 Ventana Benchmark Ultra 平台上的 SP142 和 SP263），这些检测之间的总体相关性为中等，尽管 Ventana SP142 检测的灵敏度较低 ，相关性较低【2018PMID:29175115】
  • TMB： https://www.fda.gov/drugs/drug-approvals-and-databases/fda-approves-pembrolizumab-adults-and-children-tmb-h-solid-tumors ( 2020 )。
    • 根据 KEYNOTE-158 临床试验的结果，它于 2020 年首次获得 FDA 批准作为派姆单抗的伴随诊断生物标志物，该试验表明，患有十种晚期实体瘤类型之一且每兆碱基至少有 10 个突变（TMB 高）的患者接受派姆单抗治疗后，其缓解率高于 TMB 低的肿瘤患者【2020柳叶刀肿瘤 PMID： 32919526】。值得注意的是，在这项研究中，TMB 是无进展生存期的预测指标，但不是总生存期的预测指标，这导致其获得了 FDA 的批准
    • 较高TMB相关的免疫原性真实反映了肿瘤内的新抗原，也取决于多种因素，包括：肿瘤呈递的肿瘤新抗原；免疫系统识别的肿瘤新抗原；以及宿主发起抗原特异性反应的能力。
    • TMB 的范围可能与 TMB 的新抗原潜力不同，因为突变的确切位置也起着相当大的作用； 介导抗原呈递的不同途径的突变会影响新抗原向免疫系统的呈递（或缺乏呈递），证明了肿瘤内在特征和免疫学特征需要协调才能实现最佳ICI反应
    • 目前，TMB 是使用 下一代测序(NGS) panel测量的，该panel可能因机构（内部）或所使用的商业平台而异（例如，纪念斯隆凯特琳癌症中心——可操作癌症靶点的综合突变分析 (MSK-IMPACT) 或 FoundationOne CDx）。
      • NGS 包括全外显子组测序 (WES)、全基因组测序和靶向面板测序，可以从肿瘤组织和循环肿瘤 DNA (ctDNA) 中获取。 测序的基因深度和数量会影响 TMB 的测量方式。WES 使用比较肿瘤和正常组织的配对样本评估大约 22,000 个基因或 30 Mb，从而对体细胞突变负担进行最准确和不可知的评估。 这种方法成本高昂且耗时，因此临床上通常使用重点检测组来估计 TMB。如，MSK-IMPACT 测量 468 个基因，覆盖率为 1.22 Mb，FoundationOne CDx 测量 324 个基因，覆盖率为 0.8 Mb 。
    • 不同肿瘤类型的TMB 范围很大，黑色素瘤、NSCLC 和鳞状细胞癌等免疫原性肿瘤的 TMB 水平最高 。针对不同肿瘤类型设计的检测方法对 TMB 的截止值定义也不同，并且这些检测方法在 NSCLC、黑色素瘤、尿路上皮癌和小细胞肺癌的研究中采用了不同的分析方法（如，对特定数量的目标基因进行WES或PCR检测）和阈值（高TMB与低TMB）
  • 微卫星状态（微卫星不稳定性高，MSI-H）
    • 微卫星不稳定性高 (MSI-H) 是 ICI 反应的泛癌生物标志物，在各种癌症组织学中表现良好，可能是因为这种分子表型是 ICI 反应的机制驱动因素。它是错配修复缺陷(dMMR)的结果 ，dMMR 会导致高突变率，尤其是在微卫星区域，从而产生数量级更多的新抗原，并最终产生克隆免疫反应。 dMMR 会产生高突变负荷，因此 MSI-H 肿瘤可被视为上述高 TMB 肿瘤的一种形式
    • FDA 批准派姆单抗用于治疗 MSI-H 或 dMMR 肿瘤63 ，是基于 KEYNOTE-164【2019，31725351】和 KEYNOTE-158【2019，31682550】临床试验的结果，这些试验在肿瘤无关的研究设计中显示出持久的总体反应率。 这是 FDA 批准的首批以肿瘤生物学而非肿瘤组织学为驱动力的泛癌症药物之一。
    • MSI-H 状态是使用当地实验室开发的 PCR 检测或 IHC 确定的，这明显反映了研究和临床环境之间缺乏标准化。
    • 劣势：①多达 50% 的 dMMR 结直肠癌患者对 ICI 疗法没有反应：一些肿瘤的微卫星不稳定性显著增加（因此是 MSI-H） ，但没有错配修复蛋白的缺乏（因此它们不是 dMMR）； ②即使在 MSI-H 肿瘤中，也有大量单核苷酸突变被鉴定为“乘客”突变（非驱动突变，对肿瘤适应性没有公认的实质性影响） ③只有一小部分癌症患者患有 MSI-H 肿瘤，这表明仍然需要更广泛适用的生物标志物。
  • 新型生物标志物 （基于组织的生物标志物的新前沿）
    • ICI 的作用是逆转免疫细胞抑制而不是靶向肿瘤细胞内在途径，进一步的研究集中于对 TME 以及肿瘤细胞和免疫细胞之间的相互作用进行更系统的分析，这可能有助于阐明影响 ICI 反应的因素。肿瘤和免疫基因突变特征、肿瘤抗原呈递丧失或多细胞免疫中心或聚集体（如三级淋巴结构），可预测对免疫治疗的反应。为了识别这些肿瘤和免疫特征，已经并将继续使用 NGS 方法，包括 ICI 治疗前后患者组织的肿瘤和免疫外显子组和转录组测序，以及空间成像分析。
    • 肿瘤基因特征
    • 肿瘤细胞呈递的特异性抗原
    • 肿瘤微环境中的肿瘤-免疫细胞相互作用
    • 机器学习方法
      • 鉴于将肿瘤和宿主因素纳入生物标志物设计同时还可能纵向整合免疫微环境特征的复杂性，计算机建模和机器学习已被提议作为生物标志物发现的方法。
        • NetBio 的机器学习方法：使用肿瘤类型内的训练和测试数据集开发了癌症类型特异性（而不是泛癌症）模型和生物标志物，然后针对多种单一生物标志物测试了他们的方法。证明与非机器学习的基于 TMB 的预测相比，这改善了接受 ICI 治疗的膀胱癌患者总体生存率的预测【PMID： 35764641】
        • 利用天文学中使用的多光谱成像工作流处理系统，创建了一种具有高保真单细胞分辨率的全肿瘤切片新多光谱成像模型（称为 AstroPath 平台），可以高精度地预测黑色素瘤患者对免疫疗法的反应【2021science PMID： 34112666】
    • 基于组织的生物标志物的挑战
      • 分析方法的局限性：①并非所有基因都符合特征阳性的条件。②IHC 读取器或评估者的主观性以及性能和截止水平方面的测定间差异的缺点，正如商业 PDL1 检测③测序可能不太受读取器或评估者的偏见影响，但成本更高，并且受样品处理中的分析前效应的影响
      • 生物标志物的准确性和一致性：①与分析前变量有关，例如样本采集方法、标本处理和所进行的分析类型；②与固定过程、活检部位和活检样本的肿瘤背景相关的特征；③分析范围、读取长度和变异调用者都可以决定分子特征的评估并影响结果的准确性；④肿瘤的其他生物学特征：例如indel 负担与对 ICI 的反应有关，但与黑色素瘤患者的生存优势无关
      • 肿瘤异质性：基于组织的生物标志物方法受到单个肿瘤部位肿瘤取样的限制。特定样本是否代表患者体内的所有病变或代表最有可能导致发病和死亡的病变？。
        • 时间变化可能无法在每个样本的单个“快照”中很好地呈现
      • 患者异质性:
  • 所有这些静态生物标志物都可以通过常用或新技术（如免疫组织化学 (IHC) 或其他染色技术、DNA 或 RNA 测序）来识别，或者可以将它们集成到复杂的机器学习模型中和/或与复杂的机器学习模型相结合 所有生物标志物都可以通过连续活检进行纵向测量，因此也可以被视为动态生物标志物
• 理想的多模态生物标志物模型将通过整合肿瘤、免疫微环境和宿主因素来提供对肿瘤反应或进展的纵向评估。
• 动态生物标志物 强调纵向研究 早期预测对免疫检查点抑制剂 (ICI) 的反应
  • 生物标志物的表达可能随时间推移并受到治疗压力而发生变化，因此对肿瘤和免疫生物学进行静态的单一评估可能会忽略表达随时间的变化和/或 TME 中以及宿主免疫反应水平上发生的变化。多项研究表明，当有治疗前和治疗中样本时，更容易识别与有反应或无反应相关的 ICI 治疗相关变化
  • 基于血液的评估
    • 侵入性较小、易于获取、患者痛苦较小、并发症风险较低； 具有对个体内所有肿瘤病变进行生物学评估的优势（反映平均读数，而不是特定部位的读数）
    • 循环肿瘤 DNA（ctDNA））：ctDNA最容易获得的临床应用是在微小或分子残留疾病（MRD）的环境中。 MRD 用于描述恶性肿瘤在确定性治疗（例如切除术）和/或完成此后的辅助全身治疗后持续存在的情况。MRD检测可用于指导治疗决策，例如何时开始对敏感肿瘤进行术后辅助免疫治疗，以及选择可能从额外治疗中受益的患者。
    • PBMC免疫亚型分析：耗竭T的鉴定及比例分析
      • 免​​疫检查点分子的更高表达（例如外周CD4+T 细胞和NK细胞上的 PD1或蛋白质水平的增加，例如CXC趋化因子配体8 (CXCL8)和CXCL10、IL-6、IL-10、富含脯氨酸的酸性蛋白 1 (PRAP1) 和血管内皮生长因子 A (VEGFA) 都可以作为 ctDNA 的有用的动态辅助生物标志物
    • 细胞外囊泡分析
    • 血浆蛋白组
  • 放射组学评估
    • 通过使用非侵入性生物标志物（如成像数据预测器），也可以克服组织生物标志物活检取样的巨大局限性。成像生物标志物的优势包括能够在任何给定时间点可视化整个肿瘤以及任何其他潜在的转移性疾病部位，因此它们在未来可以作为非侵入性动态生物标志物发挥作用。这很可能是通过使用 delta 放射组学实现的。
    • 正确识别假进展。假进展是一种现象，在初始成像期间病变被描述为增大，但最终肿瘤反应延迟，导致在后续成像中观察到萎缩。
    • 通过再次通过 CT 或 PET 数据测量每个肿瘤的形状、强度和纹理等因素，新型机器学习放射组学模型能够有效区分假进展和真实进展，AUC 为 0.79【2020Clin Cancer Res.PMID: 32253232】；放射组学与其他临床变量或血液标志物（例如乳酸脱氢酶 (LDH) 或 S100）的整合模型也表现出比单独的放射组学模型更好的性能【2019肺癌PMID： 30797495】
  • 肠道微生物组 特定的肠道微生物组与各种癌症类型的 ICI 反应显着相关
    • 瘤胃球菌科细菌种类的丰富程度较高与黑色素瘤和肝癌患者对 PD1 免疫疗法的反应有关； 而Akkermansia muciniphila的富集可以作为肝、肺或肾细胞癌患者的常见肠道微生物组生物标志物； 四项宏基因组学研究的荟萃分析还表明，某些细菌类群（Faecalibacterium）的富集或其他代谢组学途径（维生素 B 代谢）与黑色素瘤患者的 ICI 反应显着相关； 可以针对肠道菌群通过新的治疗策略增强 ICI 反应，例如使用益生菌和特定的细菌联合体、特定饮食和益生元、抗生素或噬菌体和粪便微生物群移植 (FMT)用于免疫治疗增敏
  • 患者特异性生物标志物——新辅助治疗
• 对多种实体肿瘤对 ICI 反应或抵抗的生物学原理的理解
  • 免疫逃避的分子途径
  • 肿瘤微环境 (TME) 的成分
  • 肠道微生物组
• 研究模型的使用
  • 对已识别的分子途径或细胞群之间相互作用的理解仍然有限，不同疾病状态、模型系统和患者临床环境（例如先前的治疗）之间存在很大的异质性。各种研究中数据解释和整合的复杂性导致缺乏广泛适用于预测个体患者对 ICI 的反应或抵抗的可靠生物标志物。
  • 几项开创性研究已经实施了这种新型高保真 3D 离体肿瘤模型，并表明它们可以预测肺癌、结肠癌、乳腺癌和黑色素瘤等几种不同类型肿瘤对ICI的反应[2022PMID： 35261891]