Chińskie tłumaczenie
Nat Med | Wielowymiarowe podejście do mapowania zintegrowanego krajobrazu guza, układu odpornościowego i mikrobiologicznego raka jelita grubego ujawnia interakcję mikrobiomu z układem odpornościowym
Chociaż biomarkery pierwotnego raka jelita grubego były w ostatnich latach szeroko badane, obecne wytyczne kliniczne opierają się jedynie na ocenie zaawansowania guza, węzłów chłonnych i przerzutów oraz wykrywaniu defektów naprawy niezgodności DNA (MMR) lub niestabilności mikrosatelitarnej (MSI) (oprócz standardowych badań patologicznych) w celu ustalenia zaleceń dotyczących leczenia. Naukowcy zauważyli brak związku między odpowiedziami immunologicznymi opartymi na ekspresji genów, profilami mikrobiologicznymi i podścieliskiem guza w kohorcie raka jelita grubego Cancer Genome Atlas (TCGA) a przeżyciem pacjentów.
W miarę postępu badań wykazano, że ilościowe charakterystyki pierwotnego raka jelita grubego, w tym komórkowa, immunologiczna, podścieliskowa lub mikrobiologiczna natura raka, istotnie korelują z wynikami klinicznymi, ale nadal nie wiadomo dokładnie, w jaki sposób ich interakcje wpływają na wyniki leczenia pacjentów.
Aby przeanalizować związek między złożonością fenotypową a wynikiem, zespół badaczy z Instytutu Badań Medycznych Sidra w Katarze niedawno opracował i zatwierdził zintegrowany wynik (mICRoScore), który identyfikuje grupę pacjentów z dobrym wskaźnikiem przeżycia, łącząc cechy mikrobiomu i stałe odrzucenia immunologicznego (ICR). Zespół przeprowadził kompleksową analizę genomiczną świeżo zamrożonych próbek od 348 pacjentów z pierwotnym rakiem jelita grubego, w tym sekwencjonowanie RNA guzów i dopasowanej zdrowej tkanki jelita grubego, sekwencjonowanie całego eksomu, głębokie sekwencjonowanie receptora komórek T i genu bakteryjnego 16S rRNA, uzupełnione o sekwencjonowanie całego genomu guza w celu dalszej charakterystyki mikrobiomu. Badanie zostało opublikowane w czasopiśmie Nature Medicine jako „Zintegrowany atlas guza, układu odpornościowego i mikrobiomu raka jelita grubego”.
Artykuł opublikowany w czasopiśmie Nature Medicine
Przegląd AC-ICAM
Naukowcy wykorzystali ortogonalną platformę genomiczną do analizy świeżo zamrożonych próbek guza i dopasowali sąsiadującą zdrową tkankę okrężnicy (pary guz-normalna) od pacjentów z histologicznym rozpoznaniem raka okrężnicy bez terapii systemowej. Na podstawie sekwencjonowania całego eksomu (WES), kontroli jakości danych RNA-seq i przesiewu kryteriów włączenia, dane genomiczne od 348 pacjentów zostały zachowane i wykorzystane do dalszej analizy ze średnim okresem obserwacji wynoszącym 4,6 roku. Zespół badawczy nazwał ten zasób Sidra-LUMC AC-ICAM: Mapa i przewodnik po interakcjach immunologiczno-nowotworowo-mikrobiomowych (Rysunek 1).
Klasyfikacja molekularna przy użyciu ICR
Rejestrując modułowy zestaw markerów genetycznych układu odpornościowego do ciągłego immunonadzoru nad rakiem, zwany stałą immunologiczną odrzucenia (ICR), zespół badawczy zoptymalizował ICR, kondensując go do panelu 20 genów obejmującego różne typy nowotworów, w tym czerniaka, raka pęcherza moczowego i raka piersi. ICR jest również powiązany z odpowiedzią immunoterapeutyczną w różnych typach nowotworów, w tym raka piersi.
Najpierw badacze zweryfikowali sygnaturę ICR kohorty AC-ICAM, stosując podejście współklasyfikacji oparte na genie ICR, aby sklasyfikować kohortę na trzy klastry/podtypy immunologiczne: wysoki ICR (gorące guzy), średni ICR i niski ICR (zimne guzy) (Rysunek 1b). Badacze scharakteryzowali skłonność immunologiczną związaną z konsensusowymi podtypami molekularnymi (CMS), klasyfikacją raka jelita grubego opartą na transkryptomie. Kategorie CMS obejmowały CMS1/immunologiczny, CMS2/kanoniczny, CMS3/metaboliczny i CMS4/mezenchymalny. Analiza wykazała, że wyniki ICR były negatywnie skorelowane z pewnymi szlakami komórek nowotworowych we wszystkich podtypach CMS, a dodatnie korelacje ze szlakami immunosupresyjnymi i związanymi ze stromą obserwowano tylko w guzach CMS4.
We wszystkich CMS liczebność podtypów komórek NK i limfocytów T była największa w podtypach o wysokiej odporności ICR, przy czym w innych podtypach leukocytów wykazywała większą zmienność (ryc. 1c). Podtypy odporności ICR miały różne OS i PFS, przy czym ICR stopniowo zwiększał się od niskiego do wysokiego (ryc. 1d), co potwierdza prognostyczną rolę ICR w raku jelita grubego.
Rycina 1. Projekt badania AC-ICAM, sygnatura genów związanych z odpornością, podtypy immunologiczne i molekularne oraz przeżycie.
ICR wychwytuje wzbogacone w guzy, klonalnie amplifikowane komórki T
Tylko mniejszość komórek T infiltrujących tkankę guza została uznana za specyficzną dla antygenów guza (mniej niż 10%). Dlatego większość komórek T wewnątrz guza jest określana jako komórki T obserwujące (bystander T cells). Najsilniejszą korelację z liczbą konwencjonalnych komórek T z produktywnymi TCR zaobserwowano w subpopulacjach komórek podścieliska i leukocytów (wykrywanych przez RNA-seq), co można wykorzystać do oszacowania subpopulacji komórek T (Rysunek 2a). W klastrach ICR (klasyfikacja ogólna i CMS) najwyższą klonalność immunologicznych TCR SEQ zaobserwowano w grupach ICR-high i CMS podtyp CMS1/immune (Rysunek 2c), z najwyższym odsetkiem guzów ICR-high. Korzystając z całego transkryptomu (18 270 genów), sześć genów ICR (IFNG, STAT1, IRF1, CCL5, GZMA i CXCL10) znalazło się wśród dziesięciu genów pozytywnie powiązanych z klonalnością immunologiczną TCR (Rysunek 2d). Klonalność ImmunoSEQ TCR korelowała silniej z większością genów ICR niż korelacje obserwowane przy użyciu markerów CD8+ reagujących na guz (Rysunek 2f i 2g). Podsumowując, powyższa analiza sugeruje, że sygnatura ICR rejestruje obecność wzbogaconych w guz, klonalnie amplifikowanych komórek T i może wyjaśniać jej implikacje prognostyczne.
Rysunek 2. Wskaźniki TCR i korelacja z genami związanymi z odpornością, podtypami immunologicznymi i molekularnymi.
Skład mikrobiomu w tkankach zdrowych i chorych na raka jelita grubego
Naukowcy przeprowadzili sekwencjonowanie 16S rRNA przy użyciu DNA wyekstrahowanego z dopasowanej tkanki guza i zdrowej tkanki jelita grubego od 246 pacjentów (Rysunek 3a). W celu walidacji naukowcy dodatkowo przeanalizowali dane sekwencjonowania genu 16S rRNA z dodatkowych 42 próbek guzów, które nie miały dopasowanego normalnego DNA dostępnego do analizy. Najpierw naukowcy porównali względną liczebność flory między dopasowanymi guzami i zdrową tkanką jelita grubego. Clostridium perfringens było znacząco zwiększone w guzach w porównaniu ze zdrowymi próbkami (Rysunek 3a-3d). Nie było znaczącej różnicy w różnorodności alfa (różnorodność i liczebność gatunków w pojedynczej próbce) między guzem a zdrowymi próbkami, a umiarkowaną redukcję różnorodności mikrobiologicznej zaobserwowano w guzach z wysokim ICR w porównaniu z guzami z niskim ICR.
Aby wykryć klinicznie istotne powiązania między profilami mikrobiologicznymi a wynikami klinicznymi, badacze zamierzali wykorzystać dane sekwencjonowania genu 16S rRNA do zidentyfikowania cech mikrobiomu, które przewidują przeżycie. W AC-ICAM246 badacze uruchomili model regresji OS Cox, który wybrał 41 cech o współczynnikach innych niż zero (związanych z różnicowym ryzykiem śmiertelności), zwanych klasyfikatorami MBR (rysunek 3f).
W tej kohorcie szkoleniowej (ICAM246) niski wynik MBR (MBR<0, niski MBR) był związany ze znacząco niższym ryzykiem zgonu (85%). Naukowcy potwierdzili związek między niskim MBR (ryzykiem) a wydłużonym OS w dwóch niezależnie zweryfikowanych kohortach (ICAM42 i TCGA-COAD). (Rysunek 3) Badanie wykazało silną korelację między ziarniakami endogastrycznymi a wynikami MBR, które były podobne w tkance guza i zdrowej okrężnicy.
Rycina 3. Mikrobiom w tkankach nowotworowych i zdrowych oraz związek z ICR i przeżyciem pacjentów.
Wniosek
Podejście multiomiczne zastosowane w tym badaniu umożliwia dokładne wykrywanie i analizę molekularnego podpisu odpowiedzi immunologicznej w raku jelita grubego i ujawnia interakcję między mikrobiomem a układem odpornościowym. Głębokie sekwencjonowanie TCR tkanek guza i zdrowych wykazało, że efekt prognostyczny ICR może wynikać z jego zdolności do wychwytywania klonów komórek T wzbogaconych w guz i prawdopodobnie specyficznych dla antygenu guza.
Analizując skład mikrobiomu guza przy użyciu sekwencjonowania genu 16S rRNA w próbkach AC-ICAM, zespół zidentyfikował sygnaturę mikrobiomu (wynik ryzyka MBR) o silnej wartości prognostycznej. Chociaż sygnatura ta została uzyskana z próbek guza, istniała silna korelacja między zdrowym jelicie grubym a wynikiem ryzyka MBR guza, co sugeruje, że sygnatura ta może odzwierciedlać skład mikrobiomu jelitowego pacjentów. Łącząc wyniki ICR i MBR, możliwe było zidentyfikowanie i walidacja wieloomicznego biomarkera studenckiego, który przewiduje przeżycie u pacjentów z rakiem jelita grubego. Wieloomiczny zestaw danych badania stanowi źródło lepszego zrozumienia biologii raka jelita grubego i pomaga odkryć spersonalizowane podejścia terapeutyczne.
Czas publikacji: 15-06-2023
Ustawienia prywatności