Геномный и транскриптомный анализ реакции на блокаду контрольных точек у больных с поздними стадиями заболевания.

Nature Genetics, том 55, страницы 807–819 (2023 г.) Процитировать эту статью

18 тысяч доступов

2 цитаты

121 Альтметрика

Подробности о метриках

Агенты против PD-1/PD-L1 изменили подходы к лечению распространенного немелкоклеточного рака легких (НМРЛ). Чтобы расширить наше понимание молекулярных особенностей, лежащих в основе ответа на ингибиторы контрольных точек при НМРЛ, мы описываем здесь первый совместный анализ когорты Stand Up To Cancer-Mark Foundation, ресурса полного экзома и/или секвенирования РНК от 393 пациентов с НМРЛ, получавших лечение. с терапией анти-PD-(L)1 вместе с аннотацией соответствующего клинического ответа. Мы выявляем ряд ассоциаций между молекулярными особенностями и результатом, включая (1) благоприятные (например, измененный ATM) и неблагоприятные (например, амплифицированный TERT) геномные подгруппы, (2) заметную связь между экспрессией индуцибельных компонентов иммунопротеасомы. и ответ и (3) дедифференцированный подтип опухоли с усиленным ответом на блокаду контрольных точек. В совокупности результаты этой когорты демонстрируют сложность биологических детерминант, лежащих в основе результатов иммунотерапии, и усиливают потенциал открытий интегративного анализа в больших, хорошо курируемых, специфичных для рака когортах.

Внедрение ингибиторов PD-1/PD-L1 в лечение распространенного немелкоклеточного рака легкого (НМРЛ) привело к серьезному сдвигу парадигмы в лечении этого заболевания. После многочисленных исследований, продемонстрировавших улучшение общей выживаемости, эти препараты получили одобрение либо отдельно1,2,3,4, либо в сочетании с химиотерапией5,6 или блокадой CTLA47. Однако, поскольку ответы наблюдаются только у одного из пяти невыбранных пациентов1,2,3, необходимы улучшенные предикторы ответа для выявления пациентов, которые, скорее всего, получат пользу.

Учитывая, что потенциал долгосрочного контроля заболевания реализуется только у меньшинства пациентов, значительные усилия были направлены на выявление биомаркеров ответа и резистентности. Доминирующими биомаркерами на сегодняшний день являются экспрессия белка PD-L1 на мембранах опухолевых клеток4 и опухолевая мутационная нагрузка (TMB)8,9,10, которая может лежать в основе генерации неоантигенов, которые могут служить мишенями для иммунного распознавания и нацеливания.

Хотя начали появляться дополнительные особенности, включая потенциальную роль клональности мутаций11, воспаленного микроокружения12,13 и изменений в отдельных генах, таких как EGFR14,15 и STK11 (ссылка 16), дальнейшая идентификация и интеграция соответствующих предикторов затруднены из-за отсутствия больших, мультиомных, специфичных для НМРЛ когорт пациентов.

Здесь мы описываем результаты первого интегративного анализа когорты НМРЛ Фонда Stand Up To Cancer-Mark (SU2C-MARK), набора данных из 393 пациентов, получавших ингибиторы контрольных точек на поздних стадиях. Мы провели секвенирование всего экзома (WES) и секвенирование РНК (RNA-seq), а также детальную оценку клинического ответа, что позволило провести комплексную оценку геномных и транскриптомных биомаркеров ответа и устойчивости. В совокупности эти богато аннотированные данные станут ресурсом для дальнейшего фундаментального и прикладного исследования роли агентов PD-1/PD-L1 при распространенном НМРЛ.

Мы проанализировали образцы опухолей, фиксированных формалином и залитых в парафин (FFPE), собранных до блокады контрольных точек (определяемой как первая линия терапии, при которой пациент получал агент PD-1/PD-L1) от 393 пациентов с поздними стадиями заболевания. НМРЛ в девяти онкологических центрах (табл. 1 и рис. 1а). Большинство этих пациентов лечились монотерапией (81%), а дополнительные подгруппы получали комбинированную терапию, включающую либо блокаду CTLA4 (17%), либо химиотерапию (1%). И опухоль, и соответствующие нормальные образцы (из крови или, в редких случаях, из прилегающей нормальной ткани) подверглись WES; для подгруппы пациентов опухолевая ткань была дополнительно профилирована с помощью секвенирования полнотранскриптомной РНК. После строгого контроля качества (методы) для анализа были включены в общей сложности 309 образцов WES и 152 образца RNA-seq. Первичным результатом был лучший общий ответ (BOR), определенный путем специального обзора клинических изображений и количественно оцененный с использованием критериев RECIST v1.1.

0.5 and P < 0.05 were used to identify significantly differentially expressed genes (red). b, Hallmark GSEA of response and resistance-associated pathways from limma voom. c, Dot plot of significance values for interferon-gamma (IFN-γ) targets (n = 198 genes), proteasome subunits (n = 56 genes) and immunoproteasome subunits (n = 5 genes). Boxplot overlay depicts the 25th percentile (minima), 50th percentile (center) and 75th percentile (maxima) of distribution with whiskers bounding points within 1.5× interquartile range (Q3–Q1) from each minimum and maximum. Immunoproteasome subunits as a set showed a greater association with response than IFN-γ targets and proteasome targets (P = 7 × 10−9 and P = 4 × 10−6, respectively, two-sided Mann–Whitney U test). d, Contour plot of a linear, 2D model predicting expression of representative immunoproteasome subunit PSMB8 as a function of the inflammatory cytokines IFNG and TNF. Contour levels correspond to roughly 1.2-fold TPM increments in PSMB8 expression. Patients with high expression of both IFNG and TNF demonstrated the highest PSMB8 expression (R2 = 0.31). e, Logistic regression summary results for tumor-associated immune cell signatures derived from single-cell sequencing37./p>

10 mut/MB (favorable; n = 27), PD-L1 TPS ≥ 50% (favorable; n = 34) and PD-L1 TPS ≤ 1% (unfavorable; n = 18). Following FDR correction, we identified multiple near-significant and significant associations (q < 0.25 and 0.1, respectively; Extended Data Fig. 9b,c and Methods), particularly when evaluating features from the immune activation/exhaustion and wound healing clusters (dedifferentiated TI-1 in PD-L1 TPS ≤ 1% q = 0.23; immune-activated M-2 in PD-L1 TPS ≤ 1% q = 0.16; macrophage/monocytes in PD-L1 TPS ≥ 50% q = 0.06; hMono3 in PD-L1 TPS ≥ 50% q = 0.11). Therefore, the presence of these factors may augment prediction based on standard clinical variables./p>50×, contamination <5% and tumor purity >10% as assessed by ABSOLUTE (v1.5)79. Comparison of MutSig2CV80 driver analysis from the SU2C-MARK cohort agreed well with previously published results for TCGA lung adenocarcinoma (LUAD) and lung squamous cell carcinoma (LUSC) cohorts (Extended Data Fig. 2a)./p>

0.5, thus limiting our analysis to genes potentially involved in response. We further filtered out genes with sparse or low expression, that is more than 10% NA or zero values, or in the bottom 10% of mean expression. We transformed the values to fold changes by subtracting the median for each gene, then obtained the Spearman correlation matrix of these fold changes, and performed hierarchical clustering while varying the number of clusters (K) from 2 to 10 and repeating 500 iterations for each K value. We then obtained consensus matrices for each K (calculating the number of times samples clustered together in the 500 iterations), summed these matrices across all K values, and normalized the resulting matrix by the number of iterations. Using B-NMF with a half-normal prior, this matrix was used to decide on the optimal number of clusters. Using this empirically determined value of K, we then applied the B-NMF algorithm to the original log2TPM gene expression matrix. In this case, the gene expression matrix is approximated by W*H, where H is the cluster membership matrix and W is the gene weight matrix. We used the W matrix to narrow down the genes most closely associated with each cluster, keeping only genes in the top 50% of normalized weights for each cluster, as well as those with the largest difference between within-cluster versus outside-cluster expression. Using this reduced marker gene list, we classified the remaining samples in cohort 2 into our three-cluster scheme. Of note, given re-annotation of the RNA sample from patient SU2CLC-DFC-DF0732 as having been post-treatment, this specimen was removed from our analysis (Supplementary Note and Supplementary Fig. 1). We used this same procedure to define the TI subtypes, with the exception of initially filtering to keep high-variance genes (instead of keeping genes of interest from the differential expression analysis, as in the M subtypes). We similarly used TI marker genes to classify additional samples./p>

10 mut/MB, top; favorable), high PD-L1 tumor proportion score (PDL1 TPS) corresponding to PDL1 TPS ≥ 50% (middle; favorable), and low PD-L1 expression (PDL1 TPS ≤ 1%, bottom; unfavorable). Signed FDR q-values based on Benjamini–Hochberg adjustment of logrank p-values are plotted for each feature (Methods)./p>