1万例肿瘤病人转录组学分析——预测免疫治疗的响应性

撰文 | 章台柳

越来越多的证据表明，接受个性化治疗的癌症病人有更好的临床收益，这表明精准医疗或为癌症治疗带来变革。临床试验和标准治疗中，肿瘤的基因组特征分析越来越常见，可辅助临床治疗方案的选择，然而目前的基因组分析很大程度上依赖于一组目标基因，这组目标基因只包含有限数量的基因，其中包含一部分致癌基因。转录组分析可用于探究肿瘤的复杂性和异质性，可发现新的生物标志物，用于发展新的治疗策略。全外显子测序（WES）、RNA-seq结合传统的病理和免疫组化检测可提供肿瘤更多的特征，以此有助于决策和优化肿瘤病人的精准医疗。然而，大规模外显子和转录组测序提供成千上万的参数，其如何辅助治疗决策，也带来了新的挑战。

肿瘤微环境（TME）影响病人的临床结果和对治疗的响应。其中，肿瘤浸润免疫细胞显著影响肿瘤的进展和抗肿瘤治疗的效果【1】；肿瘤相关成纤维细胞（CAFs）和基质细胞的血管生成信号影响治疗效果【2】。破译癌症的肿瘤免疫微环境有助于靶向和免疫治疗策略的定制。然而，迄今为止，评估肿瘤和TME的整体全面综合的基因组和转录组学分析仍然很少见，且缺乏有效和有用的模型。

近日，来自美国的 Ravshan Ataullakhanov 和美国威斯塔研究所的Nathan Fowler合作在Cancer Cell杂志上发表文章Conserved pan-cancer microenvironment subtypes predict response to immunotherapy，通过对超过10000例肿瘤病人的转录组学分析将肿瘤微环境（TME）区分成4种不同的TME亚型，这些TME亚型在20多种癌症中保守存在。多种肿瘤中，TME亚型与病人是否响应免疫治疗具有相关性，免疫活性高TME亚型的病人从免疫治疗中获益最多。因此，TME亚型可作为常规性免疫治疗生物标志物。同时，研究人员将肿瘤的转录组和基因组数据进行整合并实现可视化呈现，形成一个描述肿瘤突变负荷、免疫组成、抗肿瘤免疫和免疫抑制逃逸机制等的整体性肿瘤概况。

为了使用转录组分析对TME进行分类，首先使用已发表的文献搜索出TME各组分（如肿瘤主要成分、免疫、基质细胞和其他细胞群）的功能基因表达特征（FGE），构建出全面描绘TME的单一模型。最终共选择29个FGEs，涵盖TME中已知的细胞和功能特征，每个FGE都只包含与一个特定细胞类型或生物过程有关的基因。研究人员利用TCGA、ICGC或GTEx等多种数据库中数据集对FGEs分类的准确性进行验证，发现FGEs具有高度细胞类型特异性，例如与正常组织和痣相比，肿瘤增殖特征的表达（包括细胞周期和肿瘤进展相关基因）与恶性黑色素瘤具有强相关性。随后利用29个GFEs对黑色素瘤TME进行分类分析，划分出4种不同的微环境：1）免疫富集且纤维化（IE/F）；2）免疫富集，非纤维化（IE）；3）纤维化（F）；4）免疫缺乏（D）。这些TME亚型之间差异显著，且该差异在之前的分析中也能观察到。在黑色素瘤中经常发现的基因组改变在各TME亚型中也不一致。

IE/F型黑色素瘤中与血管生成和癌症相关成纤维细胞（CAFs）激活相关的FDEs表达增加。IE型黑色素瘤则具有高水平的免疫浸润和显著增加的细胞杀伤特征，与IE/F相比，具有更加免疫活化的微环境。同时，IE型具有最高的突变负荷、最高的CD8+ T/Tregs和M1/M2，其JAK/STAT通路（与T细胞活性增加有关）的激活增加。F和D型TME亚型则白细胞/淋巴细胞浸润最少或完全缺失，其中D亚型恶性细胞百分率最高。染色体不稳定型（CIN）是基因组复制或缺失频率的指标，在D型黑色素瘤中增加，表明拷贝数改变的增加可能与TME分型有关。F型黑色素瘤中，血管生成和CAFs相关的FDEs增加。成纤维细胞通过分泌TGF-β而行使免疫抑制和TME重塑的功能，而TGF-β信号通路、EMT转化、癌细胞转移相关FGDs在D型黑色素瘤中显著上调，并与病人接受标准治疗具有更短的生存期有关。相比于F和D型，IE型黑色素瘤病人具有显著更长的整体生存期（OS）和无进展生存期（PFS），而F型则具有最差的OS。研究人员进一步对23项黑色素瘤数据集中进行分析，验证了TME分型对临床预后的意义。随后，研究人员对黑色素瘤的组织学表型和TME分型之间的相关性进行分析，发现IE型中淋巴细胞丰度增加，F型中成纤维细胞出现较多，D型中恶性细胞最高。四种不同TME亚型的基因表达模式在组织学上与肿瘤细胞的丰度、淋巴细胞和间质的空间结构相关。例如，IE/F和IE型黑色素瘤中淋巴细胞高度富集，IE/F型比IE型有更多的基质细胞，而F型则成纤维细胞较多，有致密胶原形成。IE型中淋巴细胞和肿瘤细胞的PD-L1表达增加，而IE/F型没有此现象，提示IE型TME或可从anti-PD1/PD-L1获益更多。

研究人员对TME分型的功用进行探究。首先，4种TME分型在24种肿瘤类型中都存在，TME分型对于临床预后的预测在泛癌水平和单个癌症类型中都存在，说明4种TME分型具有保守性。其次，4种TME分型与免疫治疗具有相关性。例如anti-CTLA-4免疫治疗中，IE型皮肤黑色素瘤患者对治疗的响应比例是82%，而F型是10%；IE型OS最长。然后对免疫治疗前后进行分析，可看到TME对免疫治疗的动态进化。例如接受anti-PD1治疗的黑色素瘤患者中，响应者基本为IE/F和IE，在治疗中保持不变或倾向于变成免疫激活性环境；而不响应者的TMEs多为F型，在治疗中不变或向免疫抑制性TME移动。此外，TME亚型与肿瘤基因组的变异具有相关性。

最后，研究人员整合肿瘤细胞和TME中基因表达模式的变化，生成分子功能图谱（MF）的可视化工具 (http://science.bostongene.com/tumor-portrait/）。MF基于每个肿瘤样本的独特特征，分别生成每个肿瘤样本的MF图像，最终形成一个个性化的肿瘤地图，为临床治疗决策提供辅助工具。

总的来说，研究鉴定了4种肿瘤微环境亚型，其在多种肿瘤中具有保守型，且与免疫治疗的响应性具有相关性。同时整合分析TME亚型和可靶向的基因组变异形成可视化工具，或帮助肿瘤治疗的临床决策。

原文链接：

https://doi.org/10.1016/j.ccell.2021.04.014

参考文献

1. Chen, D.S., and Mellman, I. (2017). Elements of cancer immunity and the can- cer-immune set point. Nature 541, 321–330.

2. Liu, T., Han, C., Wang, S., Fang, P., Ma, Z., Xu, L., and Yin, R. (2019b). Cancer- associated fibroblasts: an emerging target of anti-cancer immunotherapy. J. Hematol. Oncol. 12, 86.