tuour变异加载:ESMO生物标志程序表

tumour变异加载或tumour变异加载

生物标志预测对免疫检查站封锁的治疗响应是一个重要目标,鉴于这些新式免疫疗法对包括肺癌和膀胱癌等几种常见肿瘤类型治疗产生的深远影响,但也许最突出的是向量黑片[1]成功时,治疗可实现缓冲或甚至解析,约25%至50%接受ipilimumab治疗的相向脑膜瘤病人实现持久免步生存[1.2]PD-Igand表达式(PD-L1)与PD-1/PD-L1免疫检查站抑制器处理的病人的优响应率和生存率相关联,但为若干方法问题所混淆,在一些表达度低的病人中也观察到强响应法[3,4]大量病人不响应免疫法并有严重免疫相关副作用的风险,因此,寻找更多生物标志响应十分紧迫。

一种生物标志与多项癌症类型免疫法响应相关联,即肿瘤变异负载或肿瘤变异负载突变负载和对免疫检查站抑制物响应之间的联系首先见高级黑素学ipimumab研究[5,6],提高肿瘤遗传景观可能影响免疫疗法提供临床利益的可能性,在本案中CTLA-4阻塞物剂[6]

tuour变异负载或变异负载量测量肿瘤基因组内变异数,即肿瘤基因组内变异总数肿瘤类型内突变重负大变异性从几到千不等[7-9]下级和子宫恶性常有最小突变重负,上层癌症与环境脱氧核糖核酸破坏相关联,变异最大举例说,非小细胞肺癌患者中,不吸烟者肿瘤与烟民肿瘤相比少有体突变,后者可能增加10倍[1011]。与其他固态肿瘤[7]相比,Melanomas也有极高的突变重负(0.5至>100兆位/Mb),而重要研究显示这些体突变可生成Neepitopes,并可作为新antigens[1214]高肿瘤突变负载显示与高新antigens[1516]相关新antigens是一种针对癌症的抗原类型,可允许更强健的免疫响应并因此对免疫法作出更持久响应测量突变负载可代理确定每个肿瘤新antigens数,并可能为当前定向治疗环境提供潜在的附加物,可与蛋白质和基因表达标志并发,帮助通知医生最大限度地实现免疫法的好处

图摩变异加载预测生物标志

肿瘤突变负载正出现敏感量化临床标记,帮助预测某些癌症免疫方法的响应研究显示,高肿瘤突变负载与高响应率相关联 -- -- melanama、NSCCLC和Unitelial癌症[6,10,17-20]

受PD-1抑制器处理的NSCLC病人中,高肿瘤突变负载高非同义变异与持久临床响应、提高客观响应和长期免步生存关系极大[13]

对比PD-1抑制器Nivolumab和PD-L1阳性高级NSCL患者化疗效果与安全的研究显示,Nivoluba与白金化疗相比,第一线Nivolumab没有产生更长的免步生存然而,在高肿瘤突变负载患者子群中,Nivolumab与更高响应率相关联(47%对长中位免递增生存率(9.7对s5.8个月危险比0.62,95%CI0.38-1.00[17]

高肿瘤突变负载分析显示,150名有经销极离子的病人可独立预测对编程死亡一号(PD-L1)抑制有更好的响应方式,使用atezolizumab计算,响应者中位突变负载(12.4/Mb)比非响应者大增(6.4/Mb,p<0.0001)[18]

受CTLA-4抑制器处理的黑素患者的高变容与CTLA-4封锁的持续临床益惠相关联,但单靠自身并不足以预测益惠[6]最近的一项研究是用PD-1抑制器、Nivolumab和pebromizumab和PD-L1抑制器处理的黑瘤患者报告,在ezolizumab增加肿瘤变异负载和处理响应、无步生存和总体生存[19]之间有重大关联

高肿瘤突变负载案例在大多数癌症类型中都得到了确认,这可能有助于扩大受益于免疫法的人口范围,并允许对未测试癌症类型[7,8,21,22]中免疫法代理物的临床实验设计有更知情性[7,8,21,22]最近对肿瘤突变负载分析 100,000癌症基因组确定新奇突变热点PMS2与高肿瘤突变负载大相联高肿瘤突变负载还伴有基因变换,导致脱氧核糖核酸修复机制调节,如微型卫星不稳定性或聚合酶基因变异性研究表明,MMR缺陷肿瘤中的变异数是响应免疫点抑制器的积极预测因子,为肿瘤变异负载和处理响应[24]之间的关系提供概念证明

图摩变异加载预设生物标志

证据表明肿瘤突变负载有正预测性影响,可以通过增加免疫和细胞分析活动驱动[15,25,26]BRCA1或BRCA2内携带突变的卵巢癌中,高肿瘤突变负载与有利结果[27]相关BRCA-1/2变换高等级子宫癌变异负载显示,新抗原数比通同重编组的肿瘤多,并伴生提高总体生存性[26]

Tumour变异负载量化

肿瘤突变重负可全外排序判定,但由于成本和资源使用高,这种方法在临床环境大规模不切实际研究表明,全基因组的突变重量可以从小小数群数以百计的基因推断[21,28-30]后代测序分析约1.1兆基编码基因组开发后与全外测序相关,以精确评估肿瘤突变重[18,19,21,28]定序平台特征基础替换、短插件删除、拷贝数修改和三百多种癌症相关基因选聚可靠突变阈值识别高变异样和低变样样本,以便能够预测对免疫疗法的反应[18,19]测试目前正由FDA快速存取路径评价

测量肿瘤突变负载的量化性质使其比通过免疫史化学表达个体动态蛋白生物标志法的定性测量更加可靠,后者与固有变异性相关联,并不总是响应精确预测器[18,31]

有趣的是PD-L1IHC染色和肿瘤突变负载仅部分重叠[17]使用这两个标记可增加选择使用检查站抑制器治疗的病人数目初步数据表明,合并两项测试可能更好地识别从免疫法获益较多的病人

开发预测生物标志以优化病人福利并最小化癌症免疫法毒害风险由综合基因剖面测量的图摩突变重负是一个重要的新兴生物标志,显示它预测对免疫检查站抑制器响应能力有希望需要进一步研究以完全理解这个新生物标志如何补充当前目标免疫法全景并跨多肿瘤使用多成分预测生物标志系统将肿瘤变异负载与基因和蛋白表达式、新antigens、微型卫星不稳定状态和免疫目标等其他参数合并使用,可能需要多成分预测生物标志系统使医生能够更准确地选择从这些疗法中受益的病人。

引用

1. ByrneEH和FisherDEmelonema使用imune检验屏蔽癌症2017;123(S11):2143-2153.
2. Robert C, Schachter J,LongGVet al.Pembroizumab对ipilimumab高级黑马NEnglJMD2015;372:252153
3. PatelSP和KurzrockRPD-L1表达式在癌症Immno理疗中预测生物标志Mole癌症论者2015;14(4):847-856
4. rdriguez-AbreuD RobinsonAGet al.Pemprizumab对Chemo理疗 PD-L1-主动非单片肺癌NEnglJMD2016;375(19):1823-1833
5. Van AltenEM,MioD,SchillingBet al.基因组关联响应CTLA-4阻塞Science 2015;350(6257):207–211.
6. 斯奈德A MakarovVMERGHOUBTet al.遗传基础临床响应 CTLA4阻塞NEnglJMD2014;371:2189-2199
7. 亚历山德罗夫LB Nik-Zainalset al.签名变异过程 人类癌症自然2013;500(7463):415-421
8. 劳伦斯MSSSSOJANOVPPLLOKPet al.变异异型癌症 并搜索新癌症基因自然2013;499:214-218
9. Vogelstein B,Papadopoulos N,Velculescu VEet al.癌症基因组景观科学2013年339:1546-1558
10. RizviNAHERMDSNYDAet al.变异环境判断对非小细胞肺癌PD-1阻塞的敏感度科学2015;348(6230):124-128.
11. GovindanRDLGriffithMet al.基因园非小细胞肺癌烟工和永不吸烟者手机2012 150(6):1121-1134
12. 松下H公司、VeselyMD公司、Koboldt DCet al.癌症透镜分析显示T细胞依赖机制自然2012年482(7385):400-404
13. Van RooijN Van BuurenMMPPLIPSDet al.肿瘤外观分析显示新抗原T细胞在ipilimumab响应黑马JClinOncol2013:31(32):e439-e442
14. TranETurcteSGroset al.基于突变CD4+T细胞的癌症免疫法Science 2014;344(6184):641-645.
15. 布朗SD 沃伦RL GibbEAet al.肿瘤基因组预测新抗原与病人生存增加相关基因组研究2014年;24(5):743-750
16. 舒马赫TNSRD新antigens癌症免疫法科学2015;348(6230):69-74
17. 碳DP/ReckM/Paz-ArezLet al.一线Nivolumab第四阶段或复发非单片肺癌NEnglJMD2017376:24152426
18. 罗森堡JE 霍夫曼检验J PowlesTet al.Atezolizumab当地先进和异向极地癌患者经白金化疗处理后进展:单臂多点测试2Lancet 2016;387(10031):1909-1920.
19. 强生DB 弗朗普顿GM RiothMJet al.目标下一代排序识别PD-1封锁响应标志癌症imunolRes2016;4:959-967
20. ChampiatS,FerteC,Lebel-BinaySet al.异构学和免疫学OncoImmunology 2014;3(1):e27817.
21. 夏默斯ZRCONELYCFDet al.分析十万人类癌症基因组 揭示肿瘤变异负载基因组医学2017;9(1):34
22. 温斯坦JN,ColissonEA,MillsGBet al.癌症基因组阿特拉斯泛癌症分析项目NatGenet2013:451113-1120
23. 人体结肠癌和直肠癌综合分子定性癌症基因组图集网自然2012年;487(7407):330-337
24. 勒多德、达拉姆JN、SmithKNet al.误差修复缺陷预测固态肿瘤对PD-1封锁的反应科学2017357(6349):409-413.
25. Bibisses公司、FoukasPG公司、Couksps公司et al.新南基癌症免疫法安特兰斯尔美德2016年414:262
26. StricklandKC,HowitBE,ShuklaSAet al.BRCA1/2变换状态关联和预知意义与新抗原负载、肿瘤渗透淋巴细胞数和高等级卵巢癌PD-1/PD-L1表达Oncotarget 2016;7(12):13587-13598.
27. BirkbakNJ,KuchupurakkalB,IzurugazaJMGet al.肿瘤负载预测结果与BRCA1或BRCA2变异Plos One2013811e80023
28. FramptonGM,FichtenholtzA,OttoGAet al.开发并验证临床癌症基因组剖析测试自然生物技术2013年;31:1023-
29. RoszikJHayduLEHESKRet al.新算法预测肿瘤变异负载并使用定义基因变异集与免疫法临床结果相关BMC医学201614168
30. CampesatoLF,Barroso-SousaR,JimenezLet al.综合癌症元板可用于估计突变负载并预测临床对临床实践PD-1阻塞的好处Oncotarget 2015;6(33):34221-34227.
31. TopalianSL、TaubeJM、AndersRAet al.机制驱动生物标志引导免疫检查站禁止癌症治疗Nat Rev2016;16(5):275-287