hír

Az immunterápia forradalmi változásokat hozott a rosszindulatú daganatok kezelésében, de még mindig vannak olyan betegek, akiknél nem tapasztalható terápiás hatás. Ezért sürgősen szükség van megfelelő biomarkerekre a klinikai alkalmazásokban az immunterápia hatékonyságának előrejelzésére, a hatékonyság maximalizálása és a szükségtelen toxicitás elkerülése érdekében.

FDA által jóváhagyott biomarkerek

PD-L1 expresszió. A PD-L1 expressziós szintjének immunhisztokémiai (IHC) módszerrel történő értékelése adja a tumor arány pontszámot (TPS), amely a túlélő tumorsejtekhez képest a részlegesen vagy teljesen membránnal festődő, bármilyen intenzitású tumorsejtek százalékos aránya. Klinikai vizsgálatokban ez a teszt kiegészítő diagnosztikai tesztként szolgál az előrehaladott nem kissejtes tüdőrák (NSCLC) pembrolizumabbal történő kezelésében. Ha a minta TPS értéke ≥ 1%, akkor a PD-L1 expressziót vesszük figyelembe; a TPS ≥ 50% a PD-L1 magas expresszióját jelzi. A kezdeti 1. fázisú vizsgálatban (KEYNOTE-001) a PD-L1 TPS>50% alcsoportban a pembrolizumabot alkalmazó betegek válaszaránya 45,2% volt, míg a TPS-től függetlenül az immuncheckpoint-gátló (ICI) kezelést kapó összes beteg válaszaránya 19,4% volt. A következő II/III. fázisú vizsgálatban (KEYNOTE-024) véletlenszerűen besorolták a PD-L1 TPS>50%-os betegeket pembrolizumab és standard kemoterápia csoportjába, és az eredmények a teljes túlélés (OS) jelentős javulását mutatták a pembrolizumab-kezelésben részesülő betegeknél.

A PD-L1 alkalmazását az ICI-válaszok előrejelzésében azonban számos tényező korlátozza. Először is, a különböző ráktípusok optimális küszöbértéke változó. Például a Pabolizumab akkor alkalmazható, ha a gyomorrákos, nyelőcsőrákos, hólyagrákos és tüdőrákos betegek tumor PD-L1 expressziója 1%, 10% és 50%. Másodszor, a PD-L1 expresszió sejtpopulációjának értékelése a rák típusától függően változik. Például a fej-nyak kiújuló vagy áttétes laphámsejtes karcinómájának kezelésekor egy másik, az FDA által jóváhagyott vizsgálati módszer, az Átfogó Pozitív Pontszám (CPS) alkalmazható. Harmadszor, szinte nincs összefüggés a PD-L1 expressziója a különböző rákos megbetegedésekben és az ICI-válasz között, ami arra utal, hogy a tumor háttere kulcsfontosságú tényező lehet az ICI biomarkerek előrejelzésében. Például a CheckMate-067 teszt eredményei szerint a PD-L1 expresszió negatív prediktív értéke melanomában mindössze 45%. Végül, több tanulmány is kimutatta, hogy a PD-L1 expressziója nem konzisztens a különböző tumorléziók között egyetlen betegen belül, még ugyanazon a tumoron belül is. Összefoglalva, bár a nem kissejtes tüdőrák (NSCLC) kezdeti klinikai vizsgálatai a PD-L1 expressziójának lehetséges prediktív biomarkerként való kutatására ösztönözték, klinikai haszna a különböző ráktípusokban továbbra sem tisztázott.

Tumormutációs teher. A tumormutációs terhet (TMB) alternatív indikátorként alkalmazták a tumor immunogenitásának meghatározására. A KEYNOTE-158 klinikai vizsgálat eredményei szerint a pembrolizumabbal kezelt 10 előrehaladott szilárd tumortípus közül a legalább 10 mutációval megabázisonként (magas TMB) rendelkező betegeknél magasabb volt a válaszadási arány, mint az alacsony TMB-vel rendelkezőknél. Érdemes megjegyezni, hogy ebben a vizsgálatban a TMB a progressziómentes túlélés (PFS) prediktora volt, de a teljes túlélést (OS) nem tudta megjósolni.

Az immunterápiás választ főként a T-sejtek új antigének felismerése vezérli. A magasabb TMB-vel járó immunogenitás számos tényezőtől is függ, beleértve a tumor által bemutatott tumor neoantigént; Az immunrendszer felismeri a tumor neoantigéneket; A gazdaszervezet azon képességét, hogy antigénspecifikus válaszokat indítson. Például az adatok arra utalnak, hogy azok a tumorok, amelyekben a legmagasabb az immunsejtek infiltrációja, valójában gátló szabályozó T-sejt (Treg) klón amplifikációval rendelkezhetnek. Ezenkívül a TMB tartománya eltérhet a TMB neoantigének potenciáljától, mivel a mutáció pontos helye is jelentős szerepet játszik; Az antigénprezentáció különböző útvonalait közvetítő mutációk befolyásolhatják az új antigének immunrendszer számára történő bemutatását (vagy nem bemutatását), ami azt jelzi, hogy a tumor belső és immunológiai jellemzőinek konzisztenseknek kell lenniük az optimális ICI-válaszok elérése érdekében.

Jelenleg a TMB-t új generációs szekvenálással (NGS) mérik, amely intézményenként (belsőleg) vagy használt kereskedelmi platformonként eltérő lehet. Az NGS magában foglalja a teljes exom szekvenálást (WES), a teljes genom szekvenálást és a célzott szekvenálást, amelyek tumorszövetből és keringő tumor DNS-ből (ctDNS) nyerhetők. Érdemes megjegyezni, hogy a különböző típusú tumorok széles TMB-spektrummal rendelkeznek, az immunogén tumorok, mint például a melanoma, a nem kissejtes tüdőrák és a laphámsejtes karcinóma, rendelkeznek a legmagasabb TMB-szintekkel. Hasonlóképpen, a különböző tumortípusokra tervezett kimutatási módszerek eltérő TMB-küszöbértékeket definiálnak. Az NSCLC, a melanoma, az uroteliális karcinóma és a kissejtes tüdőrák vizsgálatában ezek a kimutatási módszerek különböző analitikai módszereket (például WES vagy PCR-detektálás specifikus számú rokon gén esetében) és küszöbértékeket (magas vagy alacsony TMB) alkalmaznak.

A mikroszatellitek rendkívül instabilak. A rendkívül instabil mikroszatellita (MSI-H), mint az ICI-válasz panrák biomarkere, kiválóan teljesít az ICI hatékonyságának előrejelzésében különböző rákos megbetegedésekben. Az MSI-H a mismatch repair defektusok (dMMR) eredménye, ami magas mutációs arányhoz vezet, különösen a mikroszatellita régiókban, ami nagyszámú új antigén termelődéséhez vezet, és végső soron klonális immunválaszt vált ki. A dMMR okozta magas mutációs terhelés miatt az MSI-H tumorok a magas mutációs terhelésű (TMB) tumorok egyik típusának tekinthetők. A KEYNOTE-164 és a KEYNOTE-158 klinikai vizsgálati eredményei alapján az FDA jóváhagyta a pembrolizumabot az MSI-H vagy dMMR tumorok kezelésére. Ez az egyik első olyan panrák gyógyszer, amelyet az FDA tumorbiológia, és nem szövettan alapján hagyott jóvá.

A jelentős sikerek ellenére az MSI státusz használatakor számos kérdésre kell odafigyelni. Például a dMMR vastagbélrákos betegek akár 50%-a sem reagál az ICI-kezelésre, ami rávilágít más jellemzők fontosságára a válasz előrejelzésében. A tumorok egyéb, a jelenlegi kimutatási platformokkal nem értékelhető belső jellemzői is közrejátszhatnak. Például beszámoltak arról, hogy a DNS-régióban a polimeráz delta (POLD) vagy a polimeráz ε (POLE) fontos katalitikus alegységeit kódoló génekben mutációval rendelkező betegeknél hiányzik a replikációs hűség, és „szupermutáció” fenotípust mutatnak a tumoraikban. Ezen tumorok némelyikénél jelentősen megnövekedett a mikroszatellita instabilitás (így az MSI-H-hoz tartoznak), de a hibajavító fehérjék nem hiányoznak (ezért nem dMMR).

Ezenkívül, a TMB-hez hasonlóan, az MSI-H-t is befolyásolják az új antigéntípusok, amelyeket a mikroszatellita instabilitás, az új antigéntípusok gazdaszervezet általi felismerése és a gazdaszervezet immunrendszerének reagálóképessége generál. Még az MSI-H típusú tumorokban is nagyszámú egyetlen nukleotid mutációt azonosítottak utas mutációként (nem driver mutációként). Ezért nem elegendő kizárólag a tumorban azonosított mikroszatellitek számára hagyatkozni; a mutáció tényleges típusa (amelyet specifikus mutációs profilokon keresztül azonosítanak) javíthatja a biomarker prediktív teljesítményét. Ezenkívül a rákos betegeknek csak kis hányada tartozik az MSI-H tumorokba, ami jelzi a szélesebb körben alkalmazható biomarkerek iránti jelenlegi igényt. Ezért továbbra is fontos kutatási terület más hatékony biomarkerek azonosítása, amelyekkel előre jelezhető a hatékonyság és irányítható a betegellátás.

Szervezetalapú biomarker-kutatás

Tekintettel arra, hogy az ICI hatásmechanizmusa az immunsejtek elnyomásának visszafordítása, ahelyett, hogy közvetlenül a tumorsejtek belső útvonalait célozná, a további kutatásoknak a tumor növekedési környezetének, valamint a tumorsejtek és az immunsejtek közötti kölcsönhatás szisztematikus elemzésére kell összpontosítaniuk, ami segíthet tisztázni az ICI-választ befolyásoló tényezőket. Számos kutatócsoport vizsgálta specifikus szövettípusok tumor- vagy immunológiai jellemzőit, például a tumor- és immungén-mutációs jellemzőket, a tumor antigénprezentációs hiányosságait vagy a többsejtű immunközpontokat vagy aggregátumokat (például tercier limfoid struktúrákat), amelyek megjósolhatják az immunterápiára adott válaszokat.

A kutatók NGS-t használtak a betegek szöveteinek tumor- és immun exomjának és transzkriptomjának szekvenálására az ICI-kezelés előtt és után, valamint térbeli képalkotó elemzést végeztek. Több integrált modell alkalmazásával, olyan technikákkal kombinálva, mint az egysejt-szekvenálás és a térbeli képalkotás, vagy a multi-omikai modellek, javult az ICI-kezelés eredményeinek prediktív képessége. Ezenkívül a tumor immunjeleinek és a tumor belső jellemzőinek értékelésére szolgáló átfogó módszer is erősebb prediktív képességet mutatott. Például egy átfogó kötegelt szekvenálási módszer, amely egyidejűleg méri a tumor- és immunjellemzőket, jobb, mint egyetlen analitikai változó. Ezek az eredmények rávilágítanak az ICI hatékonyságának átfogóbb szimulációjának szükségességére, beleértve a gazdaszervezet immunkapacitásának, a tumor belső jellemzőinek és a tumor immunkomponenseinek értékelési eredményeinek beépítését az egyes betegekbe, hogy jobban megjósolják, mely betegek reagálnak az immunterápiára.

Tekintettel a tumor- és gazdafaktorok biomarker-kutatásba való beépítésének összetettségére, valamint az immun mikro-környezet jellemzőinek longitudinális integrációjának potenciális szükségességére, az emberek elkezdték a biomarkerek kutatását számítógépes modellezés és gépi tanulás segítségével. Jelenleg néhány úttörő kutatási eredmény született ezen a területen, amelyek a gépi tanulás által támogatott személyre szabott onkológia jövőjét jelzik.

A szövetalapú biomarkerek előtt álló kihívások

Az analitikai módszerek korlátai. Néhány jelentős biomarker jól teljesít bizonyos tumortípusokban, de nem feltétlenül más tumortípusokban. Bár a tumorspecifikus génjellemzők erősebb prediktív képességgel rendelkeznek, mint a TMB és mások, nem alkalmazhatók minden tumor diagnosztizálására. Egy NSCLC betegeket célzó vizsgálatban a génmutációs jellemzők jobban előrejelzőnek bizonyultak az ICI hatékonyságára nézve, mint a magas TMB (≥ 10), de a betegek több mint fele nem tudta kimutatni a génmutációs jellemzőket.

Daganatheterogenitás. A szövetalapú biomarker módszer csak egyetlen daganathelyről vesz mintát, ami azt jelenti, hogy az egyes daganatrészek értékelése nem feltétlenül tükrözi pontosan az összes daganat teljes expresszióját a betegben. Például a vizsgálatok heterogenitást mutattak ki a PD-L1 expressziójában a daganatok között és azokon belül, és hasonló problémák állnak fenn más szöveti markerekkel is.

A biológiai rendszerek összetettsége miatt számos korábban használt szöveti biomarker túlságosan leegyszerűsíthető lehetett. Ezenkívül a tumor mikro-környezetében (TME) lévő sejtek általában mozgékonyak, így a térbeli elemzésben megjelenített interakciók nem feltétlenül tükrözik a tumorsejtek és az immunsejtek közötti valódi interakciókat. Még ha a biomarkerek ideális esetben képesek is a teljes tumorkörnyezetet egy adott időpontban reprezentálni, ezek a célpontok továbbra is indukálódhatnak és dinamikusan változhatnak az idő múlásával, ami azt jelzi, hogy egyetlen pillanatfelvétel egy adott időpontban nem feltétlenül tükrözi jól a dinamikus változásokat.

Betegek heterogenitása. Még ha kimutathatók is az ICI-rezisztenciával kapcsolatos ismert genetikai változások, egyes, ismert rezisztencia biomarkereket hordozó betegek továbbra is profitálhatnak a terápiából, valószínűleg a tumoron belüli és a különböző tumorhelyeken található molekuláris és/vagy immunológiai heterogenitás miatt. Például a β2-mikroglobulin (B2M) hiány új vagy szerzett gyógyszerrezisztenciát jelezhet, de a B2M-hiány egyének közötti és a tumorokon belüli heterogenitása, valamint az immunfelismerő helyettesítő mechanizmusok kölcsönhatása miatt ezeknél a betegeknél a B2M-hiány nem feltétlenül jelzi előre erősen az egyéni gyógyszerrezisztenciát. Ezért a B2M-hiány jelenléte ellenére a betegek továbbra is profitálhatnak az ICI-terápiából.

Szervezeti alapú longitudinális biomarkerek
A biomarkerek expressziója idővel és a kezelés hatására változhat. A tumorok statikus és egyszeri vizsgálatai, valamint az immunbiológia figyelmen kívül hagyhatják ezeket a változásokat, és a tumor TME-jének és a gazdaszervezet immunválaszának szintjének változásai is figyelmen kívül hagyhatók. Több tanulmány kimutatta, hogy a kezelés előtt és alatt vett minták pontosabban azonosíthatják az ICI-kezeléssel összefüggő változásokat. Ez kiemeli a dinamikus biomarker-értékelés fontosságát.

Vér alapú biomarkerek
A vérvizsgálat előnye abban rejlik, hogy képes biológiailag értékelni az összes egyedi daganatos elváltozást, tükrözve az átlagos értékeket, nem pedig a specifikus helyeken mért értékeket, így különösen alkalmas a kezeléssel kapcsolatos dinamikus változások értékelésére. Számos kutatási eredmény kimutatta, hogy a keringő tumor DNS (ctDNS) vagy a keringő tumorsejtek (CTC) felhasználása a minimális reziduális betegség (MRD) értékelésére irányíthatja a kezelési döntéseket, de ezek a tesztek korlátozott információval rendelkeznek annak előrejelzésére, hogy a betegek profitálhatnak-e az olyan immunterápiákból, mint az ICI. Ezért a ctDNS tesztelést más módszerekkel kell kombinálni az immunaktiváció vagy a gazdaszervezet immunkapacitásának mérésére. E tekintetben előrelépés történt a perifériás vér mononukleáris sejtjeinek (PBMC-k) immunfenotípus-meghatározásában, valamint az extracelluláris vezikulák és a plazma proteomikai elemzésében. Például a perifériás immunsejt altípusok (például a CD8+ T-sejtek), az immunellenőrzőpont-molekulák magas expressziója (például a PD1 a perifériás CD8+ T-sejteken), valamint a különböző fehérjék emelkedett szintje a plazmában (például a CXCL8, CXCL10, IL-6, IL-10, PRAP1 és VEGFA) mind hatékony kiegészítői lehetnek a ctDNS dinamikus ko biomarkereinek. Ezen új módszerek előnye, hogy képesek értékelni a tumoron belüli változásokat (hasonlóan a ctDNS által kimutatott változásokhoz), és feltárhatják a beteg immunrendszerében bekövetkező változásokat is.

Radiomika
A képalkotó adatok prediktív tényezői hatékonyan leküzdhetik a szöveti biomarker mintavétel és biopszia korlátait, és bármikor megfigyelhetik a teljes daganatot és az esetleges egyéb áttétek helyét. Ezért a jövőben a nem invazív dinamikus biomarkerek fontos részévé válhatnak. A delta radiomika kvantitatívan képes kiszámítani a daganat több jellemzőjének (például a daganat méretének) változásait különböző időpontokban, például az ICI-kezelés előtt és után, a kezelés alatt és az azt követő követés során. A delta radiomika nemcsak a korai kezelésre adott kezdeti vagy hiányzó választ képes megjósolni, hanem valós időben azonosítja az ICI-vel szembeni szerzett rezisztenciát, és a teljes remisszió utáni kiújulást is monitorozza. A gépi tanulási technológiával kifejlesztett képalkotó modell még a hagyományos RECIST szabványnál is jobb a kezelésre adott válasz és az esetleges mellékhatások előrejelzésében. A jelenlegi kutatások azt mutatják, hogy ezeknek a radiomikai modelleknek a görbe alatti területe (AUC) akár 0,8-0,92 is lehet az immunterápiás válasz előrejelzésében.

A radiomika további előnye, hogy pontosan képes azonosítani a pszeudoprogressziót. A gépi tanulással létrehozott radiomikai modell hatékonyan képes megkülönböztetni a valódi és a hamis progressziót azáltal, hogy minden egyes tumor CT- vagy PET-adatait – beleértve az olyan tényezőket, mint az alak, az intenzitás és a textúra – újraméri, 0,79-es AUC-értékkel. Ezeket a radiomikai modelleket a jövőben fel lehet használni a kezelés idő előtti leállításának elkerülésére a betegség progressziójának téves megítélése miatt.

Bélmikrobiota
A bélmikrobiota biomarkerei várhatóan megjósolják az ICI terápiás válaszát. Számos tanulmány kimutatta, hogy egy specifikus bélmikrobiota szorosan összefügg a különböző típusú rákok ICI-kezelésre adott válaszával. Például melanomában és májrákban szenvedő betegeknél a Ruminococcaceae baktériumok bősége összefügg a PD-1 immunterápiás válasszal. Az Akkermansia muciniphila feldúsulása gyakori májrákos, tüdőrákos vagy vesesejtes karcinómás betegeknél, akik jól reagálnak az ICI-kezelésre.

Ezenkívül az új gépi tanulási modell független lehet a tumortípusoktól, és specifikus bélbaktérium-nemzetségeket társíthat az immunterápia terápiás válaszával. Más tanulmányok azt is feltárták, hogy az egyes baktériumcsoportok milyen specifikus szerepet játszanak a gazdaszervezet immunrendszerének szabályozásában, tovább vizsgálva, hogyan lehet megelőzni vagy elősegíteni a rákos sejtek immunrendszer általi menekülését.

Neoadjuváns terápia
A tumorbiológia dinamikus értékelése iránymutatást adhat a későbbi klinikai kezelési stratégiáknak. A neoadjuváns terápiás vizsgálat a terápiás hatást a sebészeti minták patológiás remisszióján keresztül értékelheti. A melanoma kezelésében az elsődleges patológiai válasz (MPR) összefügg a kiújulásmentes túlélési aránnyal. A PRADO vizsgálatban a kutatók a betegspecifikus patológiai remissziós adatok alapján határozzák meg a következő klinikai beavatkozási intézkedéseket, például a műtétet és/vagy az adjuváns terápiát.

A különféle ráktípusok közül számos új adjuváns terápiás lehetőség esetében még mindig hiányzik a közvetlen összehasonlítás. Ezért az immunterápia monoterápiája vagy a kombinációs terápia közötti választást gyakran a kezelőorvos és a beteg közösen dönti el. Jelenleg a kutatók kifejlesztettek egy 10 gént tartalmazó interferon gamma (IFN gamma) jellemzőt, amely biomarkerként szolgál a melanoma neoadjuváns terápiája utáni patológiai remissziójának előrejelzésére. Ezeket a jellemzőket tovább integrálták egy algoritmusba, hogy kiválasszák a neoadjuváns terápiára erősen vagy gyengén reagáló betegeket. Egy DONIMI nevű követéses vizsgálatban a kutatók ezt a pontszámot, összetettebb elemzéssel kombinálva, nemcsak a kezelésre adott válasz előrejelzésére használták, hanem annak meghatározására is, hogy mely III. stádiumú melanómás betegeknél van szükség hiszton-dezacetiláz-gátlók (HDACi) hozzáadására a neoadjuváns ICI-kezelésre adott válasz fokozása érdekében.

Páciensektől származó tumormodell
Az in vitro tumormodellek képesek megjósolni a betegspecifikus válaszokat. A hematológiai malignus betegségek gyógyszerválasz-spektrum elemzéséhez használt in vitro platformmal ellentétben a szilárd tumorok nagyobb kihívásokkal néznek szembe egyedi tumor-mikroszerkezetük és tumor-immunológiai kölcsönhatásaik miatt. Az egyszerű tumorsejtkultúra nem képes könnyen reprodukálni ezeket az összetett jellemzőket. Ebben az esetben a betegekből származó tumorszerű szervek vagy szervchipek kompenzálhatják ezeket a szerkezeti korlátokat, mivel megőrizhetik az eredeti tumorsejt-szerkezetet, és szimulálhatják a limfoid és mieloid immunsejtekkel való kölcsönhatásokat az ICI-válaszok betegspecifikus értékeléséhez, ezáltal pontosabban reprodukálva a biológiai jellemzőket egy realisztikusabb háromdimenziós környezetben.

Számos áttörést jelentő, Kínában és az Egyesült Államokban végzett tanulmány alkalmazta ezt az új, nagy pontosságú, háromdimenziós in vitro tumormodellt. Az eredmények azt mutatják, hogy ezek a modellek hatékonyan képesek megjósolni a tüdőrák, a vastagbélrák, az emlőrák, a melanoma és más tumorok ICI-re adott válaszát. Ez megalapozza ezen modellek prediktív teljesítményének további ellenőrzését és szabványosítását.