解锁晚期膀胱癌免疫治疗密码：多组学分析揪出预测 ICI 疗效的关键因素

为解决晚期膀胱癌患者对免疫检查点抑制剂（ICI）反应难以预测的问题，研究人员开展多组学分析。他们发现相关关键因素并构建预测模型。该研究成果有助于推进晚期膀胱癌免疫治疗的精准医学，推荐科研读者阅读。

　　

在癌症治疗的战场上，免疫检查点抑制剂（ICI）的出现可谓是一颗重磅炸弹，给晚期膀胱癌患者带来了新的希望。它就像一位神奇的 “免疫指挥官”，能够重新激活患者自身的免疫系统，让免疫细胞更好地识别和攻击癌细胞，甚至能让肿瘤出现部分或完全缓解。然而，这个 “指挥官” 并非对所有患者都能发挥同样的作用，有的患者使用后效果显著，肿瘤明显缩小；但有的患者却几乎没有反应，病情依旧在发展。

目前，医生们面临着一个棘手的问题：如何提前知道哪些患者对 ICI 治疗会有良好的反应，哪些患者可能效果不佳呢？这可不是一个小问题，它关系到能否为患者提供更精准、更有效的治疗。肿瘤突变负荷（TMB），也就是肿瘤中体细胞突变的数量，被发现与 ICI 治疗反应存在一定关联，一般来说，TMB 越高，患者对 ICI 治疗的反应可能越好。但 TMB 单独作为预测指标时，准确性却不太理想，就像一把不太精准的尺子，无法准确衡量患者对治疗的反应。还有程序性细胞死亡配体 1（PD-L1）及其受体程序性细胞死亡蛋白（PD-1），它们虽然是 ICI 药物的作用靶点，但其表达作为生物标志物的结果却相互矛盾，让人捉摸不透。此外，膀胱癌具有高度的异质性，存在多种亚型，不同亚型对免疫治疗的反应也各不相同，这使得预测工作变得更加复杂。

为了解开这些谜团，来自各方的研究人员齐心协力，在《Nature Communications》期刊上发表了一篇名为 “Multi-omics analysis identifies subtype-specific determinants of response to immune checkpoint inhibitors in advanced bladder cancer” 的论文。他们通过深入研究，发现了许多与 ICI 治疗反应相关的关键因素，并构建了预测模型，为晚期膀胱癌患者的精准治疗指明了方向。这一研究成果意义重大，它为提高晚期膀胱癌患者免疫治疗的效果提供了重要依据，有望让更多患者从中受益。

研究人员在这项研究中运用了多种先进的技术方法。他们从六个晚期或转移性膀胱癌队列中获取了肿瘤 RNA 测序（RNA-Seq）、配对肿瘤 - 生殖系全外显子测序（WES）和靶向 DNA 测序数据。在分析数据时，使用 GATK 等多种工具对测序数据进行处理和变异检测，计算 TMB、评估突变克隆性等。通过 CIBERSORTx 算法来分析肿瘤样本中的免疫细胞组成，还运用 GSVA 软件包对之前报道的与 ICI 反应相关的基因签名进行测试，从而深入了解基因表达情况。此外，通过构建随机森林模型等机器学习方法，综合分析各种因素，构建出预测 ICI 治疗反应的模型。

下面让我们详细看看研究人员都有哪些重要发现。

1. 构建晚期膀胱癌元队列：研究人员收集了 707 名接受抗 PD-1/PD-L1 治疗的晚期膀胱癌患者的临床和组学数据。这些患者都被诊断为转移性或局部晚期膀胱癌。通过对数据的整理和筛选，最终确定了 466 名可分类为治疗有反应（完全缓解和部分缓解）或无反应（疾病进展）的患者，其中大部分患者同时拥有突变和肿瘤基因表达数据。在分析临床和人口统计学变量时发现，功能状态低（ECOG 评分≥1）和存在肝转移与对 ICI 治疗无反应显著相关，而性别、年龄和吸烟状况等因素则与治疗反应无关。
2. 分析突变景观：研究人员绘制了 121 个先前定义的膀胱癌相关基因的常见体细胞突变高分辨率图谱。其中，TP53 是突变频率最高的基因，之后依次是 KMT2D、ARID1A 等。不过，虽然 FGFR3 突变通常与免疫浸润减少有关，但研究发现它与 ICI 治疗反应并无关联。唯一与治疗反应显著相关的基因是 ARHGEF12，它编码一种 Rho GTPase，其突变可能影响肿瘤细胞的分化和干性。
3. 错义突变和无义突变与 ICI 治疗反应显著相关：研究人员通过计算 TMB 发现，有反应的患者 TMB 显著高于无反应的患者，而且亚克隆突变比克隆突变对治疗反应的影响更大，这与之前基于部分队列的研究结果有所不同。同时，他们还发现反应组中 APOBEC 诱导的突变显著富集，APOBEC 的两个特征 SBS2 和 SBS13 与治疗反应相关，其中 SBS2 的影响更强。此外，错义突变、无义突变（导致终止密码子丢失的单核苷酸变异）以及预测的新抗原数量都与治疗反应显著相关，而移码或框内插入和缺失（INDELs）则与治疗反应无关。
4. 与 ICI 治疗反应相关的基因表达生物标志物：利用 RNA-Seq 数据，研究人员发现免疫激活和免疫细胞浸润相关的生物标志物在有反应的患者中表达更高，比如趋化因子 CXCL9、CXCL10 等，干扰素 -γ、颗粒酶 A 和 B 以及 CD8A 等。同时，有反应的患者中免疫检查点 PD-1 和 PD-L1 的表达也显著高于无反应的患者。进一步分析免疫细胞组成发现，CD8? T 细胞、记忆激活的 CD4? T 细胞和促炎巨噬细胞 M1 在有反应的患者中更为丰富。此外，多种与免疫反应相关的基因签名，如 IFN-γ 相关签名、VIGex 等，在有反应的患者中也显著富集。研究人员还发现肿瘤特异性长非编码 RNA（lncRNA）的表达特征在有反应的患者中也更高，这表明非编码序列可能是免疫原性抗原的来源。相反，免疫抑制相关的转录生长因子 β1（TGF-β）和细胞周期蛋白基因 CCND1 在无反应的患者中表达更高，上皮 - 间质转化（Stroma/EMT）相关的生物标志物也与治疗反应呈负相关。
5. 不同特征之间的关系：研究人员发现，各种免疫激活特征之间存在强烈的正相关，而免疫抑制的 Stroma/EMT 特征与 TMB 呈负相关。CCND1 与 TGF-β 呈正相关，PD-1、PD-L1 以及 HLA-I 和 HLA-II 特征与 CD8?和 CD4?激活细胞呈正相关，而 lncRNA 特征与其他生物标志物没有相关性。通过主成分分析，研究人员确定了五个主要的变量组，分别是突变状态、免疫激活特征、TGF-β/EMT 免疫抑制特征、肿瘤特异性 lncRNAs 和 CCND1。
6. ICI 治疗反应的决定因素取决于亚型：研究人员根据 TCGA 项目的方法对膀胱癌样本进行亚型分类，发现神经元亚型对治疗的反应明显优于其他亚型。在免疫浸润亚型（基底 - 鳞状和管腔浸润）中，虽然 TMB 较低，但 TMB 和 APOBEC 富集仍与治疗反应显著相关，免疫激活和免疫抑制特征对治疗反应的影响也更为明显。而在非免疫浸润亚型（管腔乳头状、管腔和神经元）中，PD-1 表达水平、调节性 T 细胞（Treg）以及抗原呈递相关特征在不同亚型中与治疗反应有着不同的关联。
7. 整合不同组学变量的预测模型：基于上述发现，研究人员选取了一系列代表性变量构建预测模型。随机森林模型显示，TMB、M1 巨噬细胞、APOBEC 富集、IFN-γ 特征、CD8? T 细胞丰度、PD1 基因表达和 HLA-I 特征等与治疗反应呈正相关，而 CCND1 基因表达、Stroma/EMT 特征和 TGF-β 基因特征与治疗反应呈负相关。该模型在验证队列 JAVELIN Bladder 100 试验中表现良好，AUC 达到 0.764，证明了模型的稳健性。进一步分析发现，免疫浸润亚型的预测模型准确性较高，而非免疫浸润亚型的预测模型准确性相对较低。在非免疫浸润亚型中，PD-1 表达水平在管腔乳头状和基底 - 鳞状亚型中与治疗反应密切相关，Treg 细胞在管腔亚型中对治疗反应有重要影响，神经元亚型中抗原呈递能力不足与治疗失败相关。

综合来看，这项研究整合了大量晚期膀胱癌患者的临床、突变和基因表达数据，通过深入分析发现了许多与 ICI 治疗反应相关的新变量，揭示了肿瘤生物学、免疫微环境和治疗反应之间复杂的相互作用。研究结果不仅证实了 TMB、APOBEC 诱导的突变以及免疫激活生物标志物与治疗反应的相关性，还发现了非 stop 突变、肿瘤特异性 lncRNA 激活以及 ARHGEF12 基因突变等新的生物标志物。此外，研究人员针对不同膀胱癌亚型进行分析，发现免疫浸润亚型和非免疫浸润亚型对 ICI 治疗反应的决定因素存在差异，这为制定更个性化的治疗策略提供了重要依据。同时，构建的预测模型能够更准确地预测患者对 ICI 治疗的反应，有助于医生为患者选择更合适的治疗方案，提高治疗效果。总之，这项研究在晚期膀胱癌免疫治疗领域取得了重要突破，为未来的临床实践和研究奠定了坚实的基础，有望为更多患者带来生存的希望。