免疫治疗已经成为一种重要的癌症治疗方式，该治疗方式主要是激活或增强患者体内的抗肿瘤免疫反应¹。免疫治疗是一种比标准化疗和放疗更安全有效的替代方案^1,2，但是，并非所有的癌症患者对免疫疗法都有反应。有时候，联合免疫疗法不仅增加了治疗的成本，还增加了发生细胞毒性等相关不良事件的风险^3,4。提前了解不同癌症患者的分子分型有助于针对不同的患者在临床上选择更有效的免疫治疗手段。因此，寻找免疫治疗反应的预测性生物标志物已成为肿瘤免疫学研究的一个日益增长的热点^4,5。

目前，通过对肿瘤微环境（TME）中复杂的细胞和分子机制的了解可以为免疫治疗反应提供重要的依据，但是要获得TME数据，需要进行手术取样^4,6。最近的研究表明，系统性宿主免疫因子可以预测患者对免疫治疗的反应^4,7，因此现在人们对采用血液中的生物标志物研究非侵入性的免疫治疗反应越来越感兴趣。

由于很多免疫疗法直接靶向蛋白质，血液中的循环蛋白质标志物尤其被关注。然而，基于目前传统的质谱和ELISA检测蛋白的方法通量低，且作为生物标志物的蛋白质在血液中的丰度相对较低，检出受限⁸。

 

基于血液的蛋白质生物标记物能可靠预测患者对癌症免疫方案的反应

探索使用基于血液的蛋白质作为生物标志物的初步研究已经在血液中确定了几个有前景的预后指标。例如，血液中高水平的C反应蛋白（CRP）已被用于预测白细胞介素2（IL-2）治疗黑色素瘤的耐药性⁹。此外，血液中CRP和血管内皮生长因子（VEGF）的水平升高也与伊匹木单抗（ipilimumab）治疗后总生存率下降有关¹⁰（伊匹木单抗是一种阻断CTLA-4活性的抗体，CTLA-4是一种在T细胞上发现的抑制其抗肿瘤功能的受体）。

VEGF属于一类叫做细胞因子的信号蛋白家族，细胞因子在血液中的水平与新兴的新型免疫疗法预后效果有关，如CAR-T疗法（通过改造患者自身免疫细胞并将其移植到患者体内以增强抗肿瘤活性），因此对于细胞因子的血液学水平具有现实意义。目前，涉及CAR-T治疗的研究表明，该治疗方法的癌症缓解率可高达80%，但是也有许多人对CAR-T治疗没有反应，有些人甚至出现细胞因子释放风暴（CRS）导致的致命毒性¹¹。此外，Teachey等人的一项研究表明，细胞治疗前血液中的另一种细胞因子IL-6的高水平与输注CAR-T细胞后CRS的发展密切相关¹²。

除了细胞因子和CRP外，其他血液相关蛋白也被认为是免疫治疗反应的预测标志物。具体而言，在单药免疫疗法治疗的个体中，治疗前血液中血管生成促进蛋白ANGPT2的高水平会导致治疗预后效果下降，且和总体生存率降低有关。然而，有趣的是，联合治疗降低了ANGPT2在血液中的浓度¹³。因此，单一的蛋白质生物标志物可能不足以评估肿瘤免疫系统相互作用的复杂性。最近有报道称，通过质谱检测蛋白质的方法，鉴定出209个蛋白质标志物可以将转移性黑色素瘤患者队列分为对免疫疗法“敏感”和“耐药”两个类群¹⁴，但很少有实验室拥有大规模采用这种测试的设备或专业知识。

 

使用SomaScan®分析鉴定癌症相关蛋白质生物标志物

肿瘤免疫学领域将极大地受益于能够同时检测多种新型血液生物标志物的技术，用以阐明疾病发生发展的信号通路，并将个体依据生物标志物分为不同的队列进行临床试验分析。然而，基于质谱的蛋白质检测方法是不够的，因为质谱的方法更偏向于检测高丰度的蛋白质，并且质谱的检测方法目前不适合检测像血液这种复杂体液里的低丰度蛋白质¹⁵。SomaScan平台则非常适合这一目的，因为它使用DNA适配体（Aptamer，一种随机合成的单链DNA，8-24个碱基长度），可以以高亲和力和特异性与蛋白质结合，仅需55μl血液就可以同时检测11000种蛋白，且检测浓度动态范围可以跨越10个数量级，从fM到μM。

在四项不同的研究中，已经证明使用SomaScan的分析方法可以成功的识别出非小细胞肺癌（NSCLC）的肿瘤相关血液蛋白标志物，并且开发出了一个包含12个蛋白的panel，用于区分癌症样本与对照组以及区分早期与晚期NSCLC患者¹⁶。此外，同一作者在后续的一项研究中剔除了受样本处理影响的生物标志物，生成了一个7个蛋白质生物标志物的panel，该panel在两个独立的盲法验证队列中表现一致，曲线下面积（AUC）达到0.8517(该值越接近1，说明准确性越高)。

最近，SomaScan不仅成功验证了采用转录组学研究得到的前列腺癌中普遍存在的蛋白酶上调的结论，而且还发现两种之前被认为无关的蛋白酶在人类前列腺癌样本中普遍存在¹⁸。

 

SomaScan在未来研究免疫疗法相关生物标志物方面极具潜力

到目前为止，使用SomaScan进行的研究已经证明，基于血液检测的癌症相关的蛋白质生物标记物能够可靠地识别多种癌症类型。在未来，通过研究不同时间血浆蛋白质浓度变化以及免疫治疗不同反应下的特征蛋白，可鉴定出相关的蛋白质生物标志物，用来开发患者分层的模型以及用于开发诊断技术，为患者的治疗决策提供指导，或者用于一些转化研究项目，例如比较单一药物与组合治疗策略的预后效果。因此，SomaScan在精确定位肿瘤免疫学治疗模式的作用机制方面具有巨大潜力，这可能有助于确定新的治疗策略并预测预后效果。

参考文献：

1.Dougan, M. & Dranoff, G. Immune Therapy for Cancer. Annu. Rev. Immunol. 27, 83–117 (2009).

2.Reck, M. et al. Pembrolizumab versus Chemotherapy for PD-L1-Positive Non-Small-Cell Lung Cancer. N. Engl. J. Med. 375, 1823–183 3 (2016).

3.Postow, M. A. et al. Nivolumab and Ipilimumab versus Ipilimumab in Untreated Melanoma. N. Engl. J. Med. 372, 2006–2017 (2015).

4.Spencer, K. R. et al. Biomarkers for Immunotherapy: Current Developments and Challenges. Am. Soc. Clin. Oncol. Educ. Book e493–e503 (2016) doi:10.1200/EDBK_160766.

5.Tray, N., Weber, J. S. & Adams, S. Predictive Biomarkers for Checkpoint Immunotherapy: Current Status and Challenges for Clinic al Application. Cancer Immunol. Res. 6, 1122–1128 (2018).

6.Havel, J. J., Chowell, D. & Chan, T. A. The evolving landscape of biomarkers for checkpoint inhibitor immunotherapy. Nat. Rev. Cancer 19, 133–150 (2019).

7.Lesterhuis, W. J. et al. Dynamic versus static biomarkers in cancer immune checkpoint blockade: unravelling complexity. Nat. Re v. Drug Discov. 16, 264–272 (2017).

8.Lim, S. Y., Lee, J. H., Diefenbach, R. J., Kefford, R. F. & Rizos, H. Liquid biomarkers in melanoma: detection and discovery. M ol. Cancer 17, 8 (2018).

9.Tartour, E. et al. Predictors of clinical response to interleukin-2--based immunotherapy in melanoma patients: a French multiinstitutional study. J. Clin. Oncol. 14, 1697–1703 (1996).

10.Yuan, J. et al. Pretreatment Serum VEGF Is Associated with Clinical Response and Overall Survival in Advanced Melanoma Patients Treated with Ipilimumab. Cancer Immunol. Res. 2, 127–132 (2014).

11. Maude, S. L., Barrett, D., Teachey, D. T. & Grupp, S. A. Managing Cytokine Release Syndrome Associated With Novel T Cell-Engagi ng Therapies. Cancer J. Sudbury Mass 20, 119–122 (2014).

12. Teachey, D. T. et al. Identification of Predictive Biomarkers for Cytokine Release Syndrome after Chimeric Antigen Receptor T-cell Therapy for Acute Lymphoblastic Leukemia. Cancer Discov. 6, 664–679 (2016).

13. Wu, X. et al. Angiopoietin-2 as a Biomarker and Target for Immune Checkpoint Therapy. Cancer Immunol. Res. 5, 17–28 (2017).

14. Weber, J. S. et al. A Serum Protein Signature Associated with Outcome after Anti–PD-1 Therapy in Metastatic Melanoma. Cancer

Immunol. Res. 6, 79–86 (2018).

15. Kim, B. et al. Affinity enrichment for mass spectrometry: improving the yield of low abundance biomarkers. Expert Rev. Proteomics 15, 353–366 (2018).

16. Ostroff, R. M. et al. Unlocking Biomarker Discovery: Large Scale Application of Aptamer Proteomic Technology for Early Detectio n of

Lung Cancer. PLoS ONE 5, e15003 (2010).

17. Mehan, M. R. et al. Validation of a blood protein signature for non-small cell lung cancer. Clin. Proteomics 11, 32 (2014).

18. Dudani, J. S., Ibrahim, M., Kirkpatrick, J., Warren, A. D. & Bhatia, S. N. Classification of prostate cancer using a protease activity nanosensor library. Proc. Natl. Acad. Sci. 115, 8954–8959 (2018).

 

更多资讯请关注“云准科技”公众号

关于云准

云准医药科技（上海）有限公司（Accuramed Biotechnology Co., Limited）成立于2016年，是一家围绕疾病生物学研究、药物研发、新型诊断技术开发和公共卫生群体研究领域，专注于给科研机构和企业提供单细胞测序、空间多组学和蛋白质组学研究等科研服务，致力于用科技推动全民健康领域的发展。我们已经在疾病机理机制研究、药物新靶点发现、生物标记物开发、药物机理机制研究、临床前和临床研究以及临床检测等领域与众多客户产生合作，合作方向涉及肿瘤、免疫、慢病、罕见病等诸多方向以及公共卫生等人类健康领域。未来，云准将以创新为驱动力，继续对产品进行深度整合与开发，推动慢病诊疗、罕见病研究、肿瘤免疫治疗、病理诊断技术以及药物开发领域的突破性发展，必将为这些领域带来革命性变化。