多模态基因组分析预测肺癌患者对免疫治疗的反应

约翰霍普金斯 Kimmel 癌症中心、Bloomberg~Kimmel 癌症免疫治疗研究所和约翰霍普金斯大学医学院的研究人员开发了一种综合基因组方法，有可能帮助医生预测哪些非小细胞肺癌患者会对免疫检查点治疗产生反应抑制剂。

免疫检查点抑制剂正在改变癌症治疗领域。然而，这些成功受到缺乏识别最有可能反应的患者的生物标志物的限制。肿瘤突变负荷 (TMB) 是衡量肿瘤细胞携带的突变数量的指标，被认为是一种新兴的反应生物标志物，但 TMB 值受样本的肿瘤纯度(肿瘤与正常细胞的数量)混淆分析了。

由肿瘤学助理教授、医学博士 Valsamo Anagnostou 领导的研究团队开发了一种新的计算方法，可以更准确地计算 TMB。研究人员还开发了一种综合反应模型，将校正的 TMB 与细微的基因组特征和每位患者的抗原呈递能力相结合。正在申请专利的工作的描述发表在《自然癌症》杂志的创刊号上。

主要研究作者 Anagnostou 说，该方法还可用于准确估计 TMB 并优化预测肺癌、结肠癌、黑色素瘤和其他实体瘤患者对免疫疗法的反应。

“对于许多肿瘤来说，免疫疗法是一种令人兴奋的治疗方式，但我们真正不知道的是谁会对免疫疗法产生反应，为什么，以及是否有特定的分子特征可以帮助预测反应，”Anagnostou 说。

目前用于评估患者对免疫疗法反应的生物标志物包括测量癌细胞和 TMB 上蛋白质 PD-L1 数量的测试。“越来越多的研究表明，TMB 实际上并不像我们想象的那样具有预测性，”该研究的资深作者、肿瘤学教授、医学博士 Victor Velculescu 说。“一些 TMB 高的肿瘤对免疫疗法没有反应，而一些 TMB 低的肿瘤从免疫疗法中受益。迫切需要开发综合生物标志物来解释肿瘤免疫系统串扰的细微差别，从而更好地告知我们患者的临床过程。”