前言
作为肿瘤治疗跨时代的疗法之一，免疫检查点抑制剂（ICB）为很多癌症患者带来了生存希望，但是较低的应答率，较高的耐药率和昂贵的药价极大的限制了ICB的推广，促使科研研究者持续寻求能够预测疗效的生物标志物，这类研究一直是肿瘤研究的热点方向。事实上，目前已经有许多预测免疫治疗的生物标志物，包括肿瘤突变负担(TMB)、PDL1表达、微卫星不稳定性(MSI)和eb病毒(EBV)感染状态等，均已被提出用于确定PD-1/PD-L1抑制剂的易感性。Immugent在之前的一篇推文：可溶性PD-L1能作为免疫治疗预测指标中，就曾经介绍了一种新颖的免疫治疗预测手段。但是以上生物标志物都有一定的局限性，且在不同肿瘤类型表现各异，因此仍需要开发出更精准的免疫治疗预测手段。
最近，小编在NC上看到一篇低成本高回报的相关研究，篇名为：Predicting response to immunotherapy in gastric cancer via multi-dimensional analyses of the tumour immune microenvironment，文章提出一种基于多重免疫荧光对肿瘤中不同免疫细胞浸润程度进行定量的新型评估手段。为啥说低成本呢？虽然咋一看文章配图很炫酷，还以为是空间转录组。事实上作者只是通过多重免疫荧光的方法，量化了80个石蜡包埋样本中的免疫细胞密度和空间位置，并对16种蛋白质的亚细胞表达进行了测定。
如此low的数据配置是怎样获得NC编辑的喜爱的呢，且往下看Immugent进行讲解~~
主要内容
作者是国人，研究的是国内高发的胃癌，它的发病率及死亡率分别占全球第五和第二，且超过47%的病例都是发生在中国。抗PD-1免疫疗法在胃癌中应用广泛，已改变胃癌治疗的格局，然而却无法确定这种免疫治疗的受益人群。
免疫细胞不同亚群，尤其以肿瘤免疫浸润细胞（TIIC）的分布及其与癌细胞相关的精确位置已被提出可作为预测肿瘤免疫治疗反应的标志，然而目前所用到的分析方法大多拘泥于单独的免疫组化方法，不能同时识别多个标志物，因此多重免疫组织化学（m-IHC）的方法逐渐走进研究人员的视线。
图片
作者首先通过m-IHC法量化了 80 个石蜡包埋样本中免疫细胞的密度和空间位置，并对 16 种蛋白质的亚细胞表达进行了多重测定。拍照取得代表性视野，使用图像分析系统并进行机器学习将每个图像分类为肿瘤细胞和基质区域，在单细胞水平上分析TIIC，对26个主要群体进行表征。
图片
随后，作者进一步分析了TIIC 在肿瘤微环境中的分布，并发现TIIC 在胃癌中分布的异质很高，并发现不同分子 GC 亚型中 TIIC 的浸润情况不同（图2），例如，EBV 阳性肿瘤的 CD8 + PD-1 - LAG-3 - T 细胞密度高于 EBV 阴性肿瘤，表征出了EBV (+) GCs 的特点是大量的免疫细胞浸润。
图片
此外，研究人员通过空间分析表征出肿瘤和免疫细胞不同分层，发现GC 内 TIIC 的密度与患者的存活率有关，且TIICs 对患者生存的影响不仅取决于 TIICs 的数量，还取决于它们与肿瘤细胞的接近程度。研究人员进一步通过机器学习的方法进行多维 TIIC 特征对免疫疗法反应的预测，并发现TIIC 特征可有效预测抗 PD-1/PD-L1 的免疫疗法的反应。
图片
总的来说，作者构建了主要以CD4+FoxP3−PD-L1+、CD8+PD-1−LAG3−和CD68+STING+细胞占比，以及CD8+PD-1+LAG3−T细胞空间分布的多维TIIC特征，而且TIIC标记可以预测GC患者对抗PD-1/PD-L1免疫治疗的反应和患者生存期。这项研究结果表明，多维的TIIC特征可能与从抗PD-1/PD-L1免疫治疗中获益最多的患者的选择有关。
展望
如果大家阅读了这篇文章的讨论部分就会知道，这项研究几乎没有多少创新发现，大多是验证或者和之前已经发表研究的结果相一致。无论是能反应患者生存的CD8+PD-1+LAG-3+TIM-3+ T细胞和CD68+STING+巨噬细胞浸润程度，还是能反映anti-PD-1/PD-L1治疗效果的CD4+FoxP3−PD-L1+和CD8+PD-1+LAG3− T细胞都是之前已有报道的。
但是即使是这篇文章没有多少创新发现，编辑仍然会喜欢，这就类似于将面粉做成面条和蛋糕，虽然本质不变，但口感明显不一样。因此，通过阅读这篇文章，大家都可以找一下在自己领域已经被证实的发现，然后利用现在更加先进的生物学技术进行验证，然后浅浅的设计一下，说一个完整的故事说不定也会得到编辑的认可！
好啦，本期分享到这就结束啦，我们下期再会~~
网友评论