【研究】齐鲁医院刘联教授团队联合求臻医学提出晚期胃癌免疫治疗新精准分型指导预后

近日，山东大学齐鲁医院肿瘤内科刘联教授团队与求臻医学合作，针对胃癌免疫治疗精准分型进行全面深入的研究探索，将胃癌分为低（CLIM）、中（CMIM）、高（CHIM）3种免疫亚型，其中CHIM亚型对免疫治疗的应答率更高、无进展生存期更长，为胃癌患者个体化治疗带来新希望。目前，该科研成果已在线发表于国际权威学术期刊Frontiers in Immunology（影响因子：7.561）。

研究背景
胃癌是一种异质性很强的恶性肿瘤，在组织和分子病理学上有很大的差异。1965年，Lauren分类系统将其按照组织学分为两个亚型（肠型或弥漫型）；2010年，WHO分类系统将其分为四个亚型（乳头状、管状、黏液型、分化差型）；然而，它们对疾病预后或治疗的价值都很有限。随着二代测序技术的进展，2014年，TCGA基于NGS的综合分析提出了四种分子亚型：EBV阳性、微卫星不稳定（MSI）、基因组稳定和染色体不稳定型。
2015年，亚洲癌症研究协作组（ACRG）报告了基于RNA表达谱的分子分型，包括微卫星不稳定、微卫星稳定不合并TP53基因突变（MSS/TP53-）、微卫星稳定合并TP53基因突变（MSS/TP53+）及上皮细胞-间充质转化(EMT)等四种类型。这个分型的最大特点是可以相对明确地预测患者的预后。然而，这些分类是根据癌细胞的特性提出的，涉及肿瘤微环境的分类在胃癌中的报道较少。在免疫治疗方兴未艾的背景下，基于免疫背景的胃癌分子分型可能对指导胃癌免疫治疗及预后预测具有重要价值。
研究方法
本研究中，训练集数据来自TCGA的level3体细胞突变、RNA表达、DNA甲基化数据；测试集的数据集来自733名胃癌患者(GSE84437和GSE62254)。使用免疫组学分析，通过单样本基因集富集分析(ssGSEA)方法得到每个样本中29个免疫相关的signature富集得分，将胃癌分为3种免疫亚型，分别命名为低（C_LIM）、中（C_MIM）、高（C_HIM）免疫亚型，在多个独立的数据集中验证了此免疫分型，并比较了这三种亚型的临床特征、遗传模式、表观遗传模式、免疫特征和信号途径。此外，在PRJEB25780队列（经帕博利珠单抗治疗的队列）中评估了亚型和免疫治疗疗效之间的关联。

图1. 研究设计及流程

研究结果
1.不同免疫亚型的分子特征及生存分析
在三个亚型中，与C_LIM亚型相比，C_HIM和C_MIM患者的总体生存率中位数延长(mOS)，然而，这些亚组之间的HRs并没有统计学意义。通过进一步分析三种亚型的分子特征，发现C_HIM亚型和C_LIM亚型患者之间有明显差异，而C_MIM亚型则不显著。ARID1A突变在 C_HIM中显著升高（23.7% vs 10.7%）。从RPPA数据中获得的蛋白质的表达水平，包括cleaved Caspase 7、PD-L1、PREX1等在C_LIM亚型中高表达，而HER2、β-catenin、CYCLINE1等在C_HIM亚型中低表达。

图2.免疫亚型的生存分析及分子特征

2.免疫亚型富集免疫细胞相关信号途径
通过基因富集分析，发现CLIM亚型富集在“TGFβ signaling pathway”和“GAP junction” 信号通路上。进一步分析亚型之间显著不同的免疫细胞浸润和信号通路的相关性差异，结果发现，CD8+和CD4+T细胞相互关联良好，均与“TGFβ signaling pathway”和“GAP junction”呈负相关，证实了这些途径在胃癌中起到免疫抑制作用。

图3. 免疫亚型与浸润免疫细胞之间的相关性

3.免疫亚型与免疫治疗反应的关系

针对接受帕博利珠单抗治疗的胃癌患者队列中，进一步探究免疫亚型与对ICI反应之间的关联发现，在18例C_HIM患者中，2例达到CR（11.1%），6例实现PR（33.3%），客观反应率为44.4%，无进展生存期为4.83个月。相比之下，C_MIM、C_LIM亚型的患者对免疫治疗的应答率分别为11.1% 、16.7%，无进展生存期为1.86 和2.75个月，证实C_HIM亚型患者对免疫治疗的应答率更高。

图4. 免疫亚型在胃癌免疫治疗队列中的预测价值

研究结论
本研究中，刘联教授团队基于胃癌局部微环境的免疫特征对胃癌进行了分类，根据基因signature表达的差异分为C_LIM、C_MIM、C_HIM3种免疫亚型。C_HIM亚型表现出相对较好的预后，具有特异性突变位点（ARID1A突变、低TP53突变等)。使用胃癌免疫治疗队列进行验证后发现，与C_MIM亚型和C_LIM亚型患者相比，C_HIM亚型患者对免疫治疗的应答率更高，无进展生存期更长。因此，该研究创新性地提出了一种新的基于免疫特征的晚期胃癌分子亚型，在胃癌分子病理诊断的路上更进一步，为筛选胃癌治疗、尤其是胃癌免疫治疗的优势患者提供了新的biomarker，对推动胃癌免疫治疗精准化、个体化具有重要意义。文章发表后，引起学术界广泛关注，短时间内浏览下载700余次。
刘联教授表示：在免疫治疗的大时代，晚期胃癌的治疗必将向着精准化、个体化，甚至菜单定制化的方向发展。基于肿瘤免疫微环境特征的分子分型，将不同胃癌患者的肿瘤免疫特征、突变景观、表观遗传模式和信号转导通路激活与临床治疗及患者预后结合起来，具有重要的转化意义和推广价值。当然，这项研究还存在一些局限性，后续需要前瞻性的研究和真实世界的探索去进一步验证和优化。胃癌精准诊疗之路，需要政府、临床医生、基础学者、测序企业，甚至患者的通力配合，才能不断进步。我们希望带动和联合更多的专家学者，通过合作共赢来实现突破性科研成果，造福于更多的肿瘤患者。

刘联教授

山东大学肿瘤学博士，免疫学博士后，山东大学教授
山东大学齐鲁医院肿瘤内科主任，主任医师，博士生导师
山东免疫学会肿瘤分子标志物与靶向治疗专委会主任委员
中国临床肿瘤学会 (CSCO) 免疫治疗专家委员会委员
中国临床肿瘤学会 (CSCO) 甲状腺癌专家委员会委员
中国临床肿瘤学会 (CSCO) 肿瘤营养治疗专家委员会委员
中国抗癌协会胃癌专业委员会（CGCA）内科学组委员
中国医药教育学会疑难肿瘤专委会常委
山东免疫学会理事
山东医师协会肿瘤科医师分会副主委
山东省医学会姑息医学分会青委会副主委
山东抗癌协会化疗分会委员兼青委会常委
山东疼痛医学会肿瘤整合医学专委会副主委
山东医药生物技术学会细胞治疗技术与标准专委会副主委
山东医师协会肿瘤精准医疗分会、肿瘤MDT专委会常委
国家食药监局新药审评中心数据核查员
教育部学位中心全国博硕士毕业论文评议专家
山东省科技专家库基金评审专家
山东省科学技术奖评审专家库成员
参考文献：
1. Li S , Gao J , Xu Q , et al. A Signature-Based Classification of Gastric Cancer That Stratifies Tumor Immunity and Predicts Responses to PD-1 Inhibitors[J]. Frontiers in Immunology，2021，12. 
2.Meng Q, Lu YX, Ruan DY, Yu K, Chen YX, Xiao M, et al. DNA Methylation Regulator-Mediated Modifification Patterns and Tumor Microenvironment Characterization in Gastric Cancer. Mol Ther Nucleic Acids (2021) 24:695–710.  
3. Batlle E, Massague J. Transforming Growth Factor-Beta Signaling in Immunity and Cancer. Immunity (2019) 50(4):924–40. 
4. Harjunpaa H, Llort Asens M, Guenther C, Fagerholm SC. Cell Adhesion Molecules and Their Roles and Regulation in the Immune and Tumor Microenvironment. Front Immunol (2019) 10:1078. 
5. Shen R, Li P, Li B, Zhang B, Feng L, Cheng S. Identifification of Distinct Immune Subtypes in Colorectal Cancer Based on the Stromal Compartment. Front Oncol (2019) 9:1497. 
6. Li B, Cui Y, Nambiar DK, Sunwoo JB, Li R. The Immune Subtypes and Landscape of Squamous Cell Carcinoma. Clin Cancer Res (2019) 25(12):3528
7. Coutzac C, Pernot S, Chaput N, Zaanan A. Immunotherapy in Advanced Gastric Cancer, Is It the Future? Crit Rev Oncol Hematol (2019) 133:25–32.
8. Newman AM, Liu CL, Green MR, Gentles AJ, Feng W, Xu Y, et al. Robust Enumeration of Cell Subsets From Tissue Expression Profifiles. Nat Methods (2015) 12(5):453–7. tegy[J]. Cancer science, 2016, 107(9): 1179-1186.（转化医学网360zhyx.com）