抗 CTLA-4 /抗 PD-1 ，单药 or 联合? 最新研究发现疗效预测「神器」！
文献题目：Predictive immune checkpoint blockade classifiers identify tumors responding to inhibition of PD-1 and/or CTLA-4
中文题目：新型免疫检查点阻断疗法分类器可预测肿瘤对抗 PD-1 和/或抗 CTLA-4 疗法的反应
杂志及影响因子：
近年肿瘤免疫治疗研发持续火热，以作用于 PD-1/PD-L1、CTLA-4 通路的免疫检查点抑制剂最为常见，并有对应的药品在国内外获批上市。
围绕经典 PD-1 抑制剂「K 药」和「O 药」联合 CTLA-4 抑制剂包括伊匹木单抗、Tremelimumab 等，还有一些在研的同时作用于 PD-（L）1/CTLA-4 的双抗的研究开展的如火如荼。
在肿瘤免疫治疗很常见的今天，无论是从科学价值、市场价值等维度，回答同样的适应症是选择「单免」还是「双免」的问题是非常重要的。
Checkmate227 研究结果显示，相比传统化疗，双免「O＋Y」可以显著改善 PD-1 ≥ 1% 人群的 OS，显著改善 TMB 高表达人群 PFS，但该研究未回答双免较于单免的优势。
KEYNOTE-598 研究发现，在 PD-L1 肿瘤比例评分（TPS）≥ 50% 的转移性非小细胞肺癌患者，双免「K＋Y」与单免 K 药相比，患者获益并未增加，但 3-5 级免疫相关不良事件双药组是单药组的 2.58 倍。
这些研究结果提示，抗 PD-1 +抗 CTLA-4 联合疗法有望改善患者预后，但同时也增加了严重的免疫相关不良事件的发生率，并且会给患者带来极高的治疗成本。因此，临床上迫切需要一种方法对患者进行分层和预后的预测，以评价哪些患者对单药治疗有反应，哪些患者需要联合治疗。
该研究根据 RNA 表达数据，通过计算，产生了肿瘤细胞来源的特征基因集和肿瘤细胞外部的特征基因集，并且两者可分别能预测抗 CTLA-4 和抗 PD-1 治疗的反应。因此，这一分类器可以用来对黑色素瘤患者进行分层，并实现肿瘤的精准治疗。
导读
免疫检查点阻断疗法（Immune Checkpoint Blockade， ICB） 在转移性黑色素瘤的治疗上已取得了非常大的进展，使得相当多数量的患者产生应答并改善预后。尽管如此，在 ICB 治疗开始之前或之后的耐药性仍然是领域内不可忽略的难题。
前期的临床数据显示，在大多数使用抗 PD-1 或抗 CTLA -4 单药治疗黑色素瘤患者中观察到的耐药性，可以在抗 PD-1 和抗 CTLA-4 联合治疗时减弱，并且联合疗法能够显著提高患者的反应率。
然而，联合疗法可以使得发生免疫相关不良事件的几率增加，同时联合治疗的成本也是非常昂贵的。因此，临床上迫切需要能够对患者进行有效分层的方法，以便在开始治疗前就可以对患者的抗 PD-1 或抗 CTLA -4 单药治疗或以抗 PD-1+抗 CTLA -4 联合治疗进行疗效评估，在节省治疗成本的同时实现精准治疗。
2021 年 7 月 6 日，来自荷兰癌症研究院分子肿瘤学与免疫学学系的研究团队在 Clinical Cancer Research 在线发表了题为 Predictive immune checkpoint blockade classifiers identify tumors responding to inhibition of PD-1 and/or CTLA-4 的文章，报道了一种新型的用于区分黑色素瘤特征的工具，并建立了两个基因表达特征合集（「InTumor」 和 「ExTumor」），可以独立预测抗 PD-1 或抗 CTLA -4 单药治疗的临床反应。
图片来源：Clin Cancer Res
主要研究内容
肿瘤细胞和肿瘤微环境的 RNA 信息可以通过计算来进行区分
为了区分肿瘤细胞内在和外在的基因表达，他们利用先前建立的 IV 期转移性黑色素瘤人源肿瘤异种移植模型（PDX）。计算比较分析了来自黑色素瘤患者肿瘤细胞和肿瘤微环境（Tumor microenvironment， TME） 的 RNA 表达情况，结果发现，第一次传代后，人类 TME 完全被小鼠的肿瘤微环境取代。免疫组化染色、物种特异性抗体、和基因表达比较分析均证实了这一点。
图片来源：Clin Cancer Res
之后，利用他们自己最近开发的一种算法 XenofilteR12（用于区分小鼠和人类来源的测序数据），通过删除小鼠来源的数据，即可获得人特异性肿瘤细胞内基因表达值。通过计算，共获得 767 个 TME 特征基因集，已发表的单细胞测序数据结果也证实这些基因主要是由 T、B、NK 和内皮细胞等非肿瘤细胞表达。因此，这些数据表明，应用 XenofilteR 算法，能够对肿瘤细胞和 TME 的 RNA 信息进行计算和区分。
图片来源：Clin Cancer Res
TME 基因可预测抗 CTLA -4 治疗的反应
在 TCGA 数据库中，黑色素瘤患者会根据三类基因的表达分为三类，为了检测上述 767 个 TME 基因对疾病分类的能力，他们用这些 TME 基因对来自 TCGA 数据库的黑色素瘤样本进行聚类分析，结果发现基于 TME 基因的分类与之前的分类方法高度重叠。
在对 767 个 TME 基因进行深入分析时，他们发现 361 个基因表现出高度的协同调控和免疫相关功能。同时，这 361 个基因的表达与包括 T 细胞在内的多种免疫细胞类型高度相关，基于此他们建立了一个所谓的「肿瘤外特征基因集」（ExTumor Signature）。
接下来，他们发现，肿瘤患者接受抗 CTLA -4 单药治疗前，ExTumor 特征基因出现了显著的高表达，并且与临床治疗反应相关，这种关联在另一个独立的队列中也得到了验证。因此，ExTumor 的特征与抗 CTLA -4 治疗显著相关，但与抗 PD-1 治疗则无关。
图片来源：Clin Cancer Res
肿瘤细胞内在特征预测抗 PD-1 治疗的反应
由于 ExTumor 特征不能预测抗 PD-1 治疗的反应，研究人员就在想是否可以通过肿瘤细胞的内在特性来预测抗 PD-1 的治疗效果。基于肿瘤细胞内的 RNA 表达数据，利用主成分分析，他们发现其中一种主成分包含的基因与免疫特征相关，进一步的分析显示其与患者样本中抗 PD-1 反应亦相关，因此这些基因被用来建立「肿瘤内特征基因集」 （InTumor Signature）。
基因富集分析发现，抗 PD-1 单药治疗无反应的患者呈现 InTumor 特征高表达，并且这种基于 InTumor 的预测效果要优于现存的其他预测模型。因此，InTumor 特征显示出了很强的与抗 PD-1 反应的负相关，不过其与抗 CTLA -4 治疗无关。
图片来源：Clin Cancer Res
InTumor 和 ExTumor 联合预测 anti-CTLA-4 或抗 PD-1 联合治疗
随后，结合 ExTumor 和 InTumor 特征基因集，他们对抗 CTLA-4 反应和抗 PD-1 反应进行了预测。根据 ExTumor 和 InTumor 的预测结果，来决定患者是否需要以及何时开始进行联合疗法。与真实的临床数据相比，该模型正确地预测了那些需要联合治疗的患者 （AUC = 0.92）。此外，基于预测结果分组，患者的无进展生存期存在显著的差异。
图片来源：Clin Cancer Res
最后，研究团队结合 InTumor 和 ExTumor 信号来确定单药治疗（抗 PD-1 或抗 CTLA-4）和联合治疗（抗 PD-1 +抗 CTLA-4）的应答率，共 5 个队列，131 例患者纳入临床试验。结果发现，无论是对于单一治疗，还是联合治疗，患者的预测分组均与临床获益显著相关。
更重要的是，这一结果还揭示了 InTumor/ExTumor 分型患者联合治疗明显比单独的疗效更好。这些结果反映了该模型具有进行个性化疗效的预测潜力，可以指导临床上的治疗选择。
图片来源：Clin Cancer Res
结语
综上所述，该研究通过计算基因表达数据，产生了肿瘤细胞来源的 InTumor Signature 和肿瘤细胞外部的 ExTumor Signature，并在动物模型和多个独立的患者队列中对这一模型的分类效果进行了评估，证明了其显著的临床相关性，可以被用来指导个性化的治疗，即抗 CTLA-4 或抗 PD-1 单药治疗，还是联合治疗，在最大程度上保障了患者的利益。
文章链接：https://clincancerres.aacrjournals.org/content/early/2021/07/02/1078-0432.CCR-20-4218