研究背景
在抗程序性死亡受体1（PD-1）或抗程序性死亡配体1（PD-L1）抗体治疗期间，由于免疫激活与免疫稳态失衡，会发生免疫相关不良事件（irAEs），这些事件可能影响任何器官系统，并在某些情况下可能是致命的。其中，肺炎是最常见的致命性irAE，死亡率为10%，占抗PD-1/PD-L1相关死亡病例的35%。而心肌炎则是最致命的irAE，致死率约为50%。因此，需要irAE的预测生物标志物来确定接受抗PD-1/PD-L1治疗患者的获益/风险比。T细胞受体（TCR）多样性、CD8+T细胞克隆扩增和肿瘤突变负荷（TMB）等已被提出可能预测irAE，但这些研究大多基于单一因素或在有限数量的病例中进行。因此，缺乏一种全面的方法来识别irAE的生物标志物。特别是，要获得足够样本量的患者样本队列具有挑战性，而传统方法可能需要多年的多中心努力。
2020年10月，美国德州大学休斯顿健康科学中心韩冷教授，上海交通大学庄光磊教授和北京世纪坛医院薛新颖主任在Nature Communications（IF=14.7）杂志上发表“Multi-omics prediction of immune-related adverse events during checkpoint immunotherapy”研究论文，在本研究中，作者通过整合真实世界药物警戒和分子组学数据，研究了在接受抗PD-1/PD-L1治疗的26种肿瘤类型患者中irAE风险的潜在预测因子。确定了LCP1和ADPGK的双变量线性回归模型，该模型能够准确预测irAE，并在独立患者队列中验证了LCP1+ADPGK模型的预测潜力。本文的方法为识别癌症免疫治疗中irAE的潜在生物标志物提供了一种方法。
主要成果
在本研究中，作者通过整合真实世界的药物警戒和分子组学数据，研究了在接受抗PD-1/PD-L1治疗的26种肿瘤类型患者中潜在的irAE风险预测因子。
作者确定了LCP1和ADPGK的双变量线性回归模型，该模型可以准确预测irAE，并在独立患者队列中验证了LCP1（淋巴细胞胞浆蛋白1）+ADPGK（ADP依赖性葡萄糖激酶）模型的预测潜力。
本文的方法为识别癌症免疫治疗中irAE的潜在生物标志物提供了一种方法。
研究设计
本文研究了一条创新的多组学预测路线，旨在识别接受检查点免疫治疗（如抗PD-1/PD-L1抗体）患者发生免疫相关不良事件（irAEs）的风险。研究首先整合了真实世界中的药物警戒数据和分子组学数据，这些数据涵盖了广泛的肿瘤类型和患者群体。通过先进的数据分析方法，研究人员发现了LCP1和ADPGK这两个基因表达水平的双变量组合，它们与irAE的发生具有显著的相关性。随后，研究构建了一个基于这两个基因的双变量线性回归模型，用于预测irAE的风险。最后，该模型在一个独立的患者队列中得到了验证，显示出良好的预测性能。这一研究路线不仅为irAE的预测提供了新方法，也为未来癌症免疫治疗的个性化用药策略提供了重要参考。
研究结果
预测irAE的已知因素分析
为了识别抗PD-1/PD-L1治疗中免疫相关不良事件（irAE）的潜在生物标志物，作者首先从美国食品药品监督管理局不良事件报告系统（FAERS）中检索了共52,282例不良事件（AE），这些事件来自接受抗PD-1/PD-L1治疗的18,706名患者，涉及26种不同的癌症类型。在这些患者中，有3，706名（19.8%）至少发生了一次irAE。通过比较抗PD-1/PD-L1药物报告irAE的比例与数据库中所有其他药物报告irAE的比例，计算了irAE的报告比值比（ROR）。irAE ROR因肿瘤类型而异，肺腺癌（LUAD）的ROR最高（3.29，95%置信区间[CI]，2.97–3.65），而子宫癌肉瘤（UCS）的ROR最低（0.65，95%CI，0.02–4.18）（图2a）。
作者收集了与irAE相关的六个因素，包括肿瘤突变负荷（TMB）、T细胞受体（TCR）多样性、干扰素（IFN）α水平、肿瘤坏死因子（TNF）α水平、嗜酸粒细胞和中性粒细胞。有趣的是，这些因素也是基于免疫检查点抑制剂治疗患者中irAE发生率和获益之间正相关关系的免疫治疗反应生物标志物。实际上，作者观察到irAE ROR与抗PD-1/PD-L1治疗的客观缓解率之间存在边缘显著的相关性（Rs=0.44；P=0.049）。
此外，还收集了与免疫治疗反应相关的36个因素，包括TMB、细胞溶解活性和新抗原负荷。作者评估了这些基于癌症基因组图谱（TCGA）分子数据计算出的因素与基于FAERS个体安全报告的irAE风险之间的关联。确定了七个潜在预测因子，包括细胞溶解活性（Spearman R，Rs=0.64，FDR=0.01）、IFN-γ（干扰素-γ）特征（Rs=0.61，FDR=0.01）、PD-1表达（Rs=0.60，FDR=0.01）、TCR多样性（Rs=0.59，FDR=0.01）、M1型巨噬细胞（Rs=0.55，FDR=0.03）、CD8+T细胞丰度（Rs=0.50，FDR=0.05）和初始B细胞（Rs=0.49，FDR=0.05）（图2b）。
为了确定更有效的预测模型，作者结合了这七个因素，并通过斯皮尔曼相关性和对数似然比检验的拟合优度评估了双变量模型的性能。与单独使用这些因素相比，CD8+T细胞丰度与TCR多样性或初始B细胞的组合显著提高了模型的拟合优度（图2c）。特别是，CD8+T细胞与TCR多样性的组合达到了最高的预测效率（Rs=0.75，FDR=8.24×10−4）（图2d）。相关系数Rs为0.75表明，该双变量回归模型解释了观察到的irAE ROR的56%（Rs²=0.56）。作者通过方差膨胀因子评估了这七个因素的共线性，并发现TCR多样性和CD8+T细胞之间不存在共线性。作者还发现TCR多样性和CD8+T细胞丰度之间没有显著相关性（P=0.26），这表明它们对irAE的独立预测作用。接着进一步评估了TCR多样性与CD8+T细胞丰度双变量模型与其他因素组合的性能，但没有发现三变量模型能实现更高的相关系数或增加准确性。
全面识别潜在的irAE生物标志物
作者进一步在26种癌症类型的mRNA、miRNA、lncRNA和蛋白质表达以及非沉默基因突变中进行了全面筛选，以识别免疫相关不良事件（irAE）的其他预测因素。结果显示，大多数最关键的因素是基因表达，这些基因表达在免疫应答过程中高度富集，包括T细胞活化和细胞杀伤（图3a）。这进一步支持了T细胞在irAE中的关键调节作用。特别值得一提的是，淋巴细胞胞质蛋白1（LCP1）与T细胞活化有关，并获得了最高的相关系数（Rs=0.82，FDR=6.69×10−3，图3b）。在前十个与irAE显著相关的基因中任意两个基因的组合表明，LCP1与大多数其他基因的组合在预测性能上更佳（图3c）。其中，将腺苷二磷酸依赖性葡糖激酶（ADPGK）添加到LCP1中，后者在T细胞活化期间介导代谢转变，得到了所有双变量模型中准确性最高的线性回归模型（Rs=0.91，FDR=7.94×10−9，图3d）。作者通过方差膨胀因子（VIF）评估了这十个顶级基因的共线性，并观察到LCP1和ADPGK之间不存在共线性。添加第三个基因并没有提高LCP1和ADPGK双变量模型的预测价值。接着作者进一步筛选了显著因素和基因的组合，以识别性能更强大的组合，但没有发现表现更优的模型。考虑到LCP1和ADPGK的评估相对直接，这一组合可能更容易转化为临床实践。据调研所知，尚未有研究报道LCP1和/或ADPGK与免疫治疗效果有关。作者进一步对客观缓解率（ORR）与LCP1/ADPGK进行了相关性分析，并未观察到显著相关性，这表明至少在LCP1和ADPGK方面，疗效的混杂效应有限。
图3 全面识别潜在的irAE预测因素
验证LCP1和ADPGK作为irAE生物标志物
为了验证LCP1和ADPGK的预测能力，作者进一步收集了一个包含28名接受抗PD-1/PD-L1抑制剂治疗的癌症患者的验证队列，这些患者均具有高质量的福尔马林固定石蜡包埋（FFPE）治疗前肿瘤组织和临床病理信息。患者中位年龄为56岁（范围：37-82岁），其中男性患者22名（78.6%），女性患者6名（21.4%）。总体而言，28名患者中有26名（92.9%）被诊断为肺癌。作者在验证队列中通过免疫组织化学方法评估了LCP1和ADPGK的表达水平。在irAE组中，LCP1和ADPGK的染色强度更强（图4a）。使用Aperio ImageScope软件v14.3和Positive Pixel Count v9（PPCv9）算法对LCP1和ADPGK的蛋白质表达免疫染色信号进行了量化。结果一致显示，与未发生irAE的患者相比，发生irAE的患者中LCP1（P值=0.008）和ADPGK（P值=0.010）的表达水平更高（图4b）。在发生irAE的患者中，LCP1和ADPGK的几何平均值在治疗前肿瘤样本中也更高（P值=0.005，图4c）。LCP1和ADPGK预测irAE的受试者工作特征曲线下面积（AUC）均为0.78，而LCP1和ADPGK的组合具有更好的AUC值，为0.80（图4d）。
此外，在26名肺癌患者中，LCP1、ADPGK和LCP1+ADPGK成功预测了肺炎的发生，AUC值分别为0.74、0.76和0.77，这表明LCP1和ADPGK在预测特定类型癌症中特定类型的irAE方面具有潜在应用价值。作者还在验证队列中测试了CD8的预测潜力，并未观察到irAE组中治疗前肿瘤中CD8免疫组化染色信号的显著增加。此外，作者发现CD8的AUC值与LCP1和ADPGK相比并不具有优势，这表明CD8在irAE预测中的混杂效应有限。
综上所述，这一独立的患者队列验证了LCP1和ADPGK在接受抗PD-1/PD-L1抑制剂治疗的癌症患者中预测irAE的能力。
总结
参考文献
编译：Moments
校对：Evan Flle
排版：小李
封面来源：Freepik
2024-09-22
2024-09-16
2024-09-15
2024-09-01
了解更多蛋白芯片、组学进展请关注下方名片
关于旦生医学
旦生医学（ProteomicsEra Medical Co.,Ltd,）是集高端分子芯片设计、研发、生产和应用为一体的生物医药高科技企业，由留学归国高层次人才创立。企业目标是通过国际前沿生命组学、分子芯片和人工智能技术获取和解析人体健康密码（标志物），开发下一代高通量、智能化临床检测试剂、设备和蛋白药物，为人类的健康保障、疾病预防、检测和治疗提供产品、技术和咨询服务，联系方式：010-85885591，18601967980。
本文来源于公开发表论文，仅供学习交流，不构成商业目的。转载需注明来源芯医学。投稿与合作请留言或联系我们(xinyixue2022@126.com)。
