文献来源
题目：Defining clinically useful biomarkers of immune checkpoint inhibitors in solid tumours
期刊：Nat Rev Cancer
发表时间：July，2024
背景
尽管免疫检查点抑制剂（ICIs）自被批准以来，用于治疗黑色素瘤和非小细胞肺癌、乳腺癌以及胃肠癌已有十多年的历史，但不同类型的肿瘤或不同患者的ICIs后临床获益有显著差异。因此明确ICIs疗效的预测标志物有助于筛选适合接受ICIs治疗的患者，从而提高疗效并降低毒副作用。本期推文小编就来以最近刚发表的一篇重磅综述为主要依据，来介绍一下用来评估实体瘤免疫治疗应答与否的标志物研究进展。
主要内容
1.目前常用的预测性生物标志物
1.1 FDA批准的基于组织的生物标志物
1.1.1 PDL1表达。
免疫组化（IHC）检测PDL1表达，通过肿瘤比例评分（TPS）评估，已被FDA批准作为pembrolizumab在晚期非小细胞肺癌（NSCLC）辅助诊断手段。TPS≥1%的样本被认为具有PD-L1表达，而TPS≥50%则被视为高PD-L1表达。II/III期研究（KEYNOTE-024）PD-L1 TPS>50%的患者在接受pembrolizumab治疗时，整体生存率显著提高，加速了ICI在NSCLC一线治疗的应用。
但是PDL1作为预测ICIs反应的标志物的广泛应用受到各种因素的限制。首先，不同癌症类型中，PD-L1表达的临界值可能有所不同。例如，pembrolizumab已获批用于PD-L1表达分别为1%、10%和50%的胃食管癌、膀胱癌和肺癌患者。其次，评估PD-L1表达的细胞类型也可能因癌症类型而异，包括肿瘤细胞、免疫细胞或两者的组合。例如，在复发或转移的头颈部鳞状细胞癌中，综合阳性评分（CPS）≥1已成为另一种FDA批准的检测标准。第三，许多癌症类型中PD-L1表达与对免疫治疗的反应之间几乎没有相关性，这表明肿瘤背景特征是ICI预测生物标志物的关键。另外，一些研究发现，PD-L1表达在不同肿瘤病变甚至同一肿瘤内的单个患者中也存在差异。
总之，尽管NSCLC中的初步临床试验提示PDL1的表达作为一种可能的应答标志物，但其在不同癌症类型中的临床效用仍需进一步探究。
1.1.2 肿瘤突变负荷（TMB）
TMB被用作肿瘤免疫原性的替代指标。首次在2020年基于KEYNOTE-158临床试验的结果获得FDA批准作为pembrolizumab的辅助诊断生物标志物。在该试验中，每兆碱基至少10个突变（TMB-高）的晚期实体瘤患者接受pembrolizumab治疗后显示出比TMB-低肿瘤患者更高的响应率。值得注意的是，在这项研究中，TMB预测无进展生存期，而不是总生存。
免疫治疗的反应依赖于T细胞对新抗原的识别。与较高的TMB相关的免疫原性，虽然可以反映肿瘤内新抗原的真实状态，但也依赖于多种因素，包括：肿瘤新抗原呈递；肿瘤新抗原被免疫系统识别；宿主启动抗原特异性反应的能力，因此最佳的ICIs反应需要一致的肿瘤特征和免疫学特征。目前， TMB是通过二代测序（NGS）进行检测的，检测结果可能因机构或使用的商业平台而异。另外，不同肿瘤类型对TMB的临界值定义也不同。
1.1.3 高微卫星不稳定性（Microsatellite Instability-High，MSI-H）
MSI-H的肿瘤易驱动新抗原的产生，激活免疫反应。由于错配修复缺陷（dMMR）产生的高突变负荷，MSI-H肿瘤可以被认为是一种上述描述的高TMB肿瘤。基于KEYNOTE-164和KEYNOTE-158临床试验的结果，FDA批准了pembrolizumab用于治疗MSI-H肿瘤，这标志着FDA首次基于肿瘤生物学特征的多癌种药物批准。
与TMB类似，MSI-H的免疫反应不仅受到微卫星不稳定产生的新抗原类型的影响，还受到宿主免疫系统识别和响应这些新抗原的能力的影响。仅依靠肿瘤中微卫星的数量来评估是不够的，识别特定突变类型，可以显著提高MSI的预测准确性。此外，只有少数肿瘤为MSI-H，因此需要开发更广泛适用的生物标志物以覆盖更广泛的患者群体。
1.2 前沿研究：基于肿瘤组织的生物标志物
1.2.1 肿瘤免疫特征的新发现
系统分析肿瘤微环境（TME）以及肿瘤细胞与免疫细胞之间的相互作用，可能有助于阐明影响ICI反应的因素。例如肿瘤和免疫基因突变特征、肿瘤抗原呈递功能缺失或多细胞免疫中心（如三级淋巴结构）。前沿探索利用了包括肿瘤和免疫细胞外显子组和转录组测序在内的NGS技术，未来还将整合空间成像分析，以获得更全面的视角。把宿主免疫水平、肿瘤内在特征和肿瘤免疫成分集成建模，实现个体化预测，以准确识别治疗受益的患者群体。
1.2.2 机器学习方法
计算机建模和机器学习是发现生物标志物的方法。比如，NetBio的机器学习方法在97%以上的时间里优于基于基因（PD1表达）和TME（与CD8+ T细胞比例、癌症相关成纤维细胞和肿瘤相关巨噬细胞相关的基因集）的生物标记物。这些开创性研究打开了肿瘤标志物的新局面。
1.3 目前基于肿瘤组织生物标志物面临的挑战
1.3.1 分析方法的局限性
IHC染色依赖病理医生的主管评估，测序客观性更强但是成本高。
1.3.2 生物标记物的准确性
样本收集、处理以及分析类型都会影响生物标志物评估的可重复性和一致性。
1.3.3 肿瘤异质性
肿瘤细胞具有不同的空间分布特征。特定部分肿瘤的评估可能无法准确反映这些变量在患者所有肿瘤中的整体表达情况。
1.3.4 患者异质性
由于肿瘤内部和不同肿瘤部位的分子或免疫学异质性，一些出现耐药性生物标志物的患者也会可能有ICIs临床获益。
2. 动态的预测性生物标志物
2.1 组织的纵向生物标志物
对肿瘤和免疫生物学进行静态、单一的评估可能忽视了表达随时间的可变性以及宿主免疫反应水平上发生的改变。多项研究表明，当有治疗前后的样本可用时，更容易反应ICIs的临床获益，这强调了动态而非静态生物标志物的重要性。
2.2 侵入性较小的纵向生物标志物
2.2.1基于血液的生物标志物
外周血检测侵入性较小、易于获取、并发症风险较低，适合用于纵向评估。比如利用ctDNA或循环肿瘤细胞（CTC）的分析用于评估肿瘤的持续性。ctDNA 可以用于检测最小残留病灶（MRD）。外周血单核细胞（PBMC）免疫分型以及细胞外囊泡分析和血浆蛋白质组学也取得令人振奋的进展。
2.2.2 影像组学
影像学能够可视化整个肿瘤以及任何其他潜在的转移病灶，因此在未来它们可能作为非侵入性的动态生物标志物发挥作用。delta-放射组学可以帮助早期预测早期获益，同时还可以在任何时候识别对免疫检查点抑制剂治疗的获得性耐药，以及在完全响应后的任何新的肿瘤复发。新型的机器学习影像组学模型能够有效地区分假进展与真进展。并且影像组学与血液标记物的综合模型也显示出了优于单独影像组学模型的性能。
2.2.3肠道微生物
特定肠道微生物群与不同癌症类型的ICI反应显著相关。例如， Akkermansia的富集与ICIs疗效相关。
3. 开发肿瘤患者特异性的新型生物标志物
3.1新辅助治疗
新辅助窗口试验在计划手术切除前使用短程全身治疗，通过手术标本中的病理反应评估治疗效果。PRADO试验，已经纳入了患者特定的病理反应数据来确定下一个临床干预措施，例如手术和/或辅助疗法。在黑色素瘤中，一个包含十种基因的干扰素-γ（IFNγ）特征作为预测新辅助治疗后病理反应的生物标记物，然后将其整合到一个算法中，以选择更有可能对新辅助治疗产生反应的患者。
3.2 患者来源的肿瘤模型
体外肿瘤模型也有潜力预测患者的特异性反应。实体瘤存在复杂的肿瘤结构和肿瘤与免疫细胞相互作用，无法通过简单的肿瘤细胞培养轻易复制。患者来源的肿瘤、类器官或器官芯片可以克服这一难题。一些开创性研究采用新型的3D体外肿瘤模型，表明它们能够预测对不同类型肿瘤（如肺癌、结肠癌、乳腺癌和黑色素瘤）的ICIs响应。
4. 多肿瘤中心联盟和协作至关重要
HTAN联合十个研究中心和一个数据协调中心（DCC），计划创建从癌前病变演变为晚期疾病演变过程的图谱。CIMAC-CIDC作为由四大机构联合指定的免疫监测和分析中心，致力于对生物标志物和临床数据进行深度的综合分析。不同医疗组织的协作将汇聚全球资源，使得大小医疗机构能够共同参与到精心策划的临床试验中，为预测性生物标志物的评估提供支持，推动个性化医疗发展。
总结
总的来说，目前正在试验的肿瘤生物标志物种类繁多，目前这一领域的研究前景甚好。随着我们进入精准医疗时代，这些生物标志物为患者治疗提供新的参考。特别值得注意的是，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，对患者提供对肿瘤反应或进展的纵向评估，这会更加有利于发现新的免疫治疗标志物。未来研究非常需要通过多方机构的竭力合作，搭建一个高通量生物标志物综合评价系统，为患者带来更精准的治疗方案，从而实现免疫治疗效果最大化。
