Nat. Immunol. | 一种预测可以提升免疫检查点阻断疗效的药物的方法

今天为大家介绍的是来自Lu Gan和An-Yuan Guo团队的一篇论文。联合疗法是一种有前景的治疗策略，用以提升免疫检查点阻断（ICB）的疗效；然而，预测有效的联合用药仍然充满挑战。在这里，作者开发了一种名为CM-Drug的通用数据驱动方法，用于筛选能够增强ICB治疗效果的化合物。

在这项研究中，作者首先通过分析基因表达数据，确定了与ICB疗法反应相关的核心和次要基因集。基于这些核心和次要基因集的富集评分，随后开发了一种名为CM-Drug的计算方法，用于预测ICB联合疗法的抗肿瘤效果。通过在黑色素瘤和肺癌的小鼠模型中进行验证，作者证实了CM-Drug方法的有效性。

从ICB治疗数据中识别核心和次要基因集

图 1

为了确定与ICB治疗反应相关的关键分子特征，作者收集了十个数据集，涵盖了256个非响应样本和141个使用抗程序性细胞死亡1（PD-1）抗体治疗的响应样本。在ICB相关分子上，作者专注于免疫相关途径，包括来自免疫学数据库和分析门户（ImmPort）的17条免疫相关途径以及来自免疫细胞丰度识别工具（ImmuCellAI）的细胞毒性基因。首先使用基因集富集分析（GSEA）方法分析每个免疫相关途径在响应和非响应之间的表达变化（图1a）。四个途径（T细胞受体（TCR）信号传导，自然杀伤（NK）细胞细胞毒性，ImmuCellAI中的细胞毒性，以及抗原处理和呈递）在超过一半（六个或更多）的数据集中被识别为在响应者中积极富集（命名为‘核心’途径），两个途径（B细胞受体（BCR）信号传导和抗微生物物质）在四个数据集中积极富集（命名为‘次要’途径）。然后筛选了位于超过70%富集数据集中的GSEA前沿子集内的那些基因，形成了四个核心基因集（C1-C4）和两个次要基因集（M1和M2）（图1b）。所有在核心基因集C1-C4中的基因被定义为核心基因，所有在次要基因集M1和M2中的基因被定义为次要基因。为了评估这些核心和次要基因与ICB治疗反应的强关联，作者使用小鼠ICB治疗数据和小鼠同源基因进行了验证。作者使用了SRP154425数据集，其中包括来自间皮瘤和肾癌模型的48只小鼠的治疗前肿瘤RNA测序（RNA-seq）数据（每个模型中12个响应者和12个非响应者）。核心和次要基因的表达模式显示，在两种肿瘤模型中，这些基因中的大多数（间皮瘤中85%，肾癌中75%）在响应组中表达更高（图1c）。响应组和非响应组之间的GSEA结果表明，六个核心和次要基因集在响应者中显著且积极富集，具有高的标准化富集分数（NES）和显著的假发现率（FDR）（图1d）。这些结果确认了在人类数据中发现的核心和次要基因集的稳健性（图1a）。

ICB联合治疗中核心与次要基因集的表达模式

图 2

基于核心与次要基因集与ICB反应之间的强相关性，作者推测一种与ICB联合使用时能上调这些核心和次要基因表达的化合物，可能会提高ICB治疗的反应率或抗肿瘤效果。为了测试这一假设，作者使用三个ICB联合治疗数据集进行了验证：GSE132004，GSE160785和GSE148947。GSE132004数据集来源于一项小鼠结肠癌模型研究，治疗组别包括使用PBS（对照组）、化合物BY001、抗PD-1抗体，以及BY001和抗PD-1抗体的联合使用。这四个组中核心和次要基因的整体表达显示出逐级增加的模式（图2a）。GSEA结果显示，六个核心和次要基因集在BY001与对照组比较以及联合治疗与单独使用抗PD-1比较中均呈现积极富集（图2b）。在GSE160785数据集中（图2c），联合治疗组显示出所有六个核心和次要基因集的显著富集，而单独治疗组与对照组相比则未观察到显著富集；这些结果与已报道中联合治疗组的协同效应一致。

GSE148947数据集包含高剂量和低剂量BY001治疗的数据，以及低剂量BY001与抗PD-1抗体的联合使用。原始试验显示低剂量BY001和抗PD-1治疗具有协同效果，而高剂量则没有这种效果。GSEA结果（图2d）显示，在低剂量BY001与对照组比较以及抗PD-1 + 低剂量BY001与抗PD-1比较中，六个核心和次要基因集均呈现积极富集。然而，在高剂量BY001与对照组比较中，并未显示富集，这与高剂量雷哥拉非缺乏协同效应的结果一致。这些结果验证了推断，并确认了这六个核心和次要基因集与ICB联合治疗效果之间的强烈关联。此外，更多的ICB联合治疗数据集（图2e）也被用来验证这一推断。相关分析显示，核心与次要基因集的整体表达富集与ICB联合治疗的效果之间存在显著相关性。

ICB治疗联合用药的预测方法

图 3

接下来作者开发一种名为“CM-Drug”的通用方法，基于六个核心和次要基因集来预测和优先选择新的化合物，以协同增强ICB治疗的效果（图3）。CM-Drug方法的详细信息如下：为了预测候选化合物，作者使用了LINCS L1000数据库，该数据库包含了不同癌症细胞系中由小分子引起的大规模扰动的基因表达数据。通过比较每个细胞系中小分子组与对照组，对六个核心和次要基因集进行了基因集富集分析（GSEA）。满足标准化富集分数（NES）>0和假发现率（FDR）<0.05的小分子被视为候选化合物。为了对这些候选化合物进行优先排序作者通过基于六个核心和次要基因集的GSEA NES，使用LASSO回归计算每个化合物的CM得分。首先，有效的ICB联合治疗或单药治疗组（图2e）中所有六个核心和次要基因集的积极且显著（NES > 0且FDR < 0.05）的NES值被用作正样本的得分。其次，LINCS L1000数据库中小分子扰动数据的六个核心和次要基因集的负面且显著（NES < 0且FDR < 0.05）的NES值被用作负样本的得分。第三，使用正负样本的NES值开发了一个LASSO回归模型，通过结合六个核心和次要基因集的NES值及其相应的系数，得到最终的CM得分。

使用小鼠黑色素瘤模型验证CM-Drug方法的有效性

图 4

为了验证CM-Drug方法的有效性，作者使用了LINCS L1000中A375人类黑色素瘤细胞系的扰动实验数据，并为每个候选化合物计算了CM得分。结果中，通过CM-Drug方法筛选出54种候选化合物，并按CM得分从高到低进行排名。在前20种化合物中（图4a），有八种化合物已被报道用于ICB联合治疗或降低PD-1配体1（PD-L1）的表达，进一步验证了CM-Drug方法的性能。随后，选取了三种之前未与免疫治疗或PD-1/PD-L1表达相关的报道的化合物在C57BL/6小鼠携带皮下B16-F10黑色素瘤模型中进行进一步验证。携带B16-F10肿瘤的小鼠每2天腹腔注射米格列醇、MG-132或唑他瑞林共六次，同时每3天腹腔注射抗PD-1抗体共四次（图4b）。与PBS处理相比，单独使用米格列醇、MG-132、唑他瑞林或抗PD-1治疗均未显著抑制肿瘤生长。尽管与抗PD-1抗体的联合使用显著改善了米格列醇或MG-132的抗肿瘤效果（图4c），但在这两种联合治疗组与抗PD-1组之间未检测到生存期的显著差异（图4d）。唑他瑞林与抗PD-1抗体的联合使用显示出最强的抗肿瘤活性，与单独使用抗PD-1或唑他瑞林治疗组相比，肿瘤体积分别减少了45.1%和38.8%（图4c）。与此一致，唑他瑞林与抗PD-1的联合治疗组检测到最长的生存时间，中位总生存时间为43天，相比之下，抗PD-1治疗组的中位生存时间为30.5天（图4d）。唑他瑞林和抗PD-1抗体的联合使用未在主要器官中引起可检测的组织病理学变化，通过苏木精和伊红（H&E）染色和血清学指标表明，这种联合治疗具有生物相容性。这些结果表明，唑他瑞林显著提高了抗PD-1治疗的抗肿瘤效果，从而验证了CM-Drug方法的有效性。

编译 | 曾全晨

审稿 | 王建民

参考资料

Xia, Y., Li, X., Bie, N. et al. A method for predicting drugs that can boost the efficacy of immune checkpoint blockade. Nat Immunol 25, 659–670 (2024).

https://doi.org/10.1038/s41590-024-01789-x