典型案例|麻省总医院采用Olink蛋白组学对ICB治疗黑色素瘤进行综合分析

研究背景

免疫检查点阻断(Immune Checkpoint Blockade, ICB)已彻底改变了许多免疫原性肿瘤的治疗,但仍有相当一部分患者复发或对治疗无应答,抗PD1 (anti-PD1, aPD1)单药治疗转移性黑色素瘤患者的中位客观缓解率(Objective Response Rates, ORR)为33-45%。早期识别无应答者对于减轻不必要的治疗毒性,寻找替代治疗方法至关重要。然而,缓解情况的预测性生物标志物尚不完全明确。目前利用临床变量和组织生物标志物的方法,临床实用价值有限,预测性能欠佳,未能对机体反应进行全面测量。

图片

循环生物标记物为连续监测提供了便捷的途径,并可提供对ICB反应机制的深入了解。特别是,外周血分析可以提供ICB治疗后T细胞的功能状态和克隆性的独特见解。但是目前评估系统性研究ICB对机体免疫和肿瘤相互作用的影响的研究有限。血浆蛋白质组学用于揭示免疫反应的生物学见解,一直受到样本量小或聚焦于细胞因子个体或小亚群的靶向方法限制,而高通量高灵敏度高特异性的Olink 蛋白质技术的出现,有望解决目前基于血浆蛋白质组学研究的困境。

文章速递

麻省总医院研究者利用Olink血浆蛋白质组学工具,在三个时间点对174例接受ICB治疗的转移性黑色素瘤患者进行了血浆蛋白质组学分析(>700蛋白),该研究成果可以在BioRxiv网站以预印版的方式进行查阅,该研究利用独立的发现和验证队列建立了一个优于基于组织方法学的免疫治疗应答预测因子组合

图片

在ICB应答者(Responders, R)和无应答者(Non-responders, NR)之间发现了217个差异表达的蛋白质,其中包括一个在某些NR患者中富集的共调节蛋白模块通过分析32例患者肿瘤活检的单细胞RNA测序数据,解析了肿瘤细胞对循环蛋白的相对贡献。共调控NR模块中的大部分蛋白来源于肿瘤细胞髓系细胞在髓系细胞中,研究者发现了一组具有抑制表型的肿瘤相关巨噬细胞(Tumor-Associated Macrophages, TAMs),它们高水平表达共调节NR模块,因此表明它们是无应答的关键驱动因素。总之,该数据证明了血浆蛋白质组学在生物标志物发现和理解机体对肿瘤反应的生物学方面的效用,可应用于指导ICB临床治疗黑色素瘤的患者分层,尽早发现药物相应组/个体,达到精准用药。


研究解析

基于Olink PEA 邻位延伸分析(Proximity Extension Assay, PEA)技术平台,研究者们使用了对174例转移性黑色素瘤患者的三个时间点(治疗前基线、治疗后6周和治疗后6个月)中的707个蛋白进行分析, 以识别ICB反应的循环蛋白生物标志物。ICB反应者 R为6个月时疾病控制的患者,包括65例完全缓解(Complete response, CR)、部分缓解(Partial response, PR)或疾病稳定(Stable disease, SD);而ICB无反应66例NR被归类为疾病进展(Progressive Disease, PD)或需要过渡治疗的患者67例,且无放射学反应。一个发现队列(队列1)包括116例患者(66例R和50例NR),一个独立验证队列(队列2)包括56例患者(40例R和14例NR)。所有探索性分析均使用队列1进行。队列2被严格用于验证研究结果。

图片

图1 随着时间的推移,接受ICB治疗的黑色素瘤患者具有独特的治疗相关的炎症血浆蛋白模式

研究者将蛋白质水平拟合为线性混合效应模型,识别随时间和应答组之间发生显著变化的蛋白质,该模型具有时间和应答的主效应,以及时间和应答的交互效应。共有247个蛋白被鉴定为时间效应显著(图1b),另外162个蛋白被鉴定为交互效应显著,包括98个重叠蛋白(图2a)。在ICB处理后,研究者观察到PD1丰度以及与T细胞募集和活性相关的几个典型蛋白,包括(CXCL9、CXCL10、CXCL11、GzmA、CD25 (IL2Ra)和4-1BB (TNFRSF9))丰度显著增加(图1d,e)。在Rs组中,绝大多数细胞因子和细胞因子受体在6周时达到峰值,在NRs组中在6个月时达到峰值,Rs组在6个月时显著恢复到基线水平(图1d)。
图片

图2   血浆蛋白的共变模块可预测ICB无反应

研究者进一步在线性混合效应模型(图2a)中分析了反应-效应显著的217个蛋白,这些鉴定与免疫治疗应答相关的血浆蛋白,在验证队列中被验证为R和NR之间的差异。并发现了一个在NRs患者中显著高表达的共调节蛋白模块,称为“无应答模块”。并研究无应答模块中的单个蛋白是否可以预测免疫治疗应答,在发现队列(训练队列)中对每个蛋白使用逻辑回归分类器来预测应答状态,并在发现队列(测试队列)中测试这些分类器的准确性(图2g)。根据基线到6周的蛋白质水平差异进行训练的分类器的表现优于基线或单独6周的水平。

总体而言,IL8具有最好的预测性能(在验证队列中AUC为0.88)。将患者按基线水平中值表达水平高低分层,并使用总体生存期(overall survival, OS)和无进展生存期(progression free survival, PFS)的Kaplan-Meier曲线进行生存分析 (图2h和i)。发现无应答模块的富集具有很强的分层性OS差的患者(图2h;p<0.001)和PFS(图2i;p<0.001)。有几个单独的蛋白质也是不良OS的预后,包括IL8ST2MIALIF

图片

图3 抑制性肿瘤巨噬细胞亚群和肿瘤上皮细胞富集了血浆来源的无应答蛋白模块的基因表达

利用来自发现队列(n=16)患者的肿瘤免疫细胞和来自独立队列(n=14)患者scRNAseq数据,来识别表达ICB R和NR患者血浆中差异蛋白mRNA的细胞亚群(图3)。并分析了21例患者肿瘤上皮细胞的scRNAseq数据,研究黑素瘤肿瘤细胞对循环无反应蛋白的贡献,包括本队列中的7例患者。对两个scRNAseq数据集中每个子集内所有细胞的表达分析显示,无应答模块中的一大部分蛋白质在肿瘤细胞和巨噬细胞中都有高表达(图3d),其中发现一个特定的巨噬细胞子集(图3e中的M7簇)具有最高的表达无应答模块(图3f)。确定肿瘤细胞和一组致瘤巨噬细胞可能是血浆中无应答模块富集的主要贡献者。该发现与最近的文献一致,提示肿瘤相关的组织巨噬细胞与肿瘤上皮细胞相互作用并促进肿瘤生长。


写在最后
为对免疫治疗无应解答的生物学机制进一步深入了解,麻省总医院研究团队通过对接受免疫检查点阻断治疗的黑色素瘤患者,进行了连续时间点的血浆蛋白质组学和组织scRNAseq的综合分析。之前的研究关注单个蛋白生物标志物(例如IL8)或没有配对时间点的小队列,而该研究对174例连续监测的患者进行了高倍蛋白质组学分析,从而确定了免疫治疗无应答患者的两个不同亚群和富集于NRs的共变血浆蛋白组(称为无应答模块)的特征。研究发现,该无应答模块可预测患者会对免疫治疗产生应答,并且性能优于在整个蛋白质数据集上训练的几种机器学习方法,及仅使用组织特征的其他已发表的预测方法。

参考文献:

1. Plasma proteomic biomarkers identify non-responders and reveal biological insights about the tumor micro-environment in melanoma patients after PD1 blockade. bioRxiv preprint

doi: https://doi.org/10.1101/2022.02.02.478819

分享