肿瘤微环境对免疫（肿瘤微环境对免疫有影响吗）

本文目录一览：

• 1、熟悉的肿瘤免疫微环境分析，深入探究乳腺癌亚型的免疫差异
• 2、医学生物信息学文献第2期：肿瘤微环境
• 3、2022-03-07 肿瘤免疫微环境
• 4、什么是免疫治疗
• 5、肿瘤微环境简述
• 6、骨肉瘤免疫微环境中的巨噬细胞：对免疫治疗的影响

熟悉的肿瘤免疫微环境分析，深入探究乳腺癌亚型的免疫差异

An independent poor-prognosis subtype of breast cancer defined by a distinct tumor immune microenvironment

一种由独特的肿瘤免疫微环境定义的独立贫血亚型乳腺癌

发表期刊：Nat Commun

发表日期：2019 Dec 3

影响因子：12.121

DOI:  10.1038/s41467-019-13329-5

一、研究背景

肿瘤微环境影响癌症的起始和进展。在乳腺癌中，临床病理特征，如年龄，等级，阶段和分子亚型与预后有关，并驱动治疗决策。5种临床相关的分子亚型：Luminal A、Luminal B、Her2富集型、基底样型和正常样型，其发病率、生存率、预后和肿瘤生物学特性各不相同。

除了癌细胞生物学因素外，炎症微环境也影响着肿瘤的起始和进展。癌细胞周围的免疫微环境可以识别和抑制肿瘤生长或促进进展。在乳腺癌中，高免疫浸润已与更好的临床结果。此外，高免疫浸润已与新辅助和辅助化疗的反应增加相关。

二、材料与方法

  1   数据来源

1）基因表达：手术收集的MicMa队列（其中的子集用于分析， MicMa-nCounter（n = 96，FFPE），MicMa-Agilent（n=104，新鲜冷冻组织））

2）RNA-seq：OSLO2-EMIT0队列（GSE135298，原始数据在EGAS00001003631）

3）公开的数据：表达数据从GEO、European Genome-phenome Archive、ArrayExpress或TCGA获得；METABRIC队列

  2   分析流程

1）基因集富集分析

2）无监督聚类获得免疫簇：基于509个基因，使用R包pheatmap对患者的相关性矩阵进行层次聚类

3）Nanodissect：用于淋巴和髓细胞浸润的预测，淋巴细胞或骨髓细胞浸润的nanodissect分数反映了样本中各自基因的平均表达量

4）CIBERSORT（22种类型的浸润性免疫细胞的绝对比例）、ssGSEA（上皮间质转化、干细胞、增殖和细胞周期相关途径的基因集）

5）二项式逻辑回归预测免疫集群：R包glmnet （构建模型公式）

6）免疫浸润的病理评估

7）ROR评分：ROR-Score=0.05×Basal+0.12×Her2-enriched − 0.34×Luminal A+0.23×Luminal B；其中，基底、Her2富集、管腔A和管腔B是每个样本与R中使用genefu软件包获得的质心的相关性

8）统计学、生存分析、多变量Cox回归分析

三、结果展示

01 - 乳腺癌的免疫簇并反映了逐渐的免疫浸润

测量了MicMa队列的95个肿瘤样本中760个基因的表达，该阵列旨在剖析实体肿瘤中的免疫浸润。这95个样本中的79个样本之前已经通过Agilent全基因组4×44K寡核阵列进行了剖析。首先使用Pearson和Spearman相关性比较了两个平台获得的表达，发现基因的表达值之间存在高度的正相关（补充图1A）。

为了根据免疫相关基因表达的相似性对患者进行分组，对相关矩阵进行了无监督的分层聚类（图1a和补充图1B）。从3到10个聚类的轮廓图分析表明，3个聚类最好地捕获了nCounter和Agilent数据集的分割（补充图1C，D）。比较了两个数据集MicMa-nCounter和MicMa-Agilent的聚类结果。在这两个数据集中，有79个样本是重叠的。随着用于测量基因表达的不同平台，以及基因列表和用于执行无监督聚类的样本的不完全重叠，仍然发现79个重叠样本的聚类分配显著相似。

为了确认集群与肿瘤免疫微环境相关（图1b），使用算法Nanodissect为总淋巴细胞和骨髓细胞浸润打分。Nanodissect评分首先在MicMa队列中使用有经验的病理学家分析的匹配苏木精和曙红切片的免疫浸润评估进行验证（图1c和补充图1E）。发现这三个簇与Nanodissect淋巴细胞（图1b）和骨髓细胞（补充图1F）评分显著相关。得出结论，簇A-C反映了逐渐的免疫浸润，因此被称为免疫簇。

使用其他9个队列的表达数据验证了这些簇与淋巴/髓细胞浸润之间的关联。有509个基因在所有研究的数据集中被发现，被用于无监督聚类（图1d和补充图2A，分别用于METABRIC和TCGA队列的聚类）。在每个队列中，所得到的三个聚类与淋巴和骨髓Nanodissect评分显著相关（图1e；补充图2B）。淋巴和髓细胞浸润从簇A（蓝色；低浸润；冷肿瘤）逐渐增加到簇B（浅蓝色；中等浸润）和簇C（粉红色；高浸润；热肿瘤）。

对于额外的一层验证，使用METABRIC队列中免疫浸润的病理评估，这与Nanodissect评分（图1f和补充图2C）和免疫簇显著相关。使用PanCancer免疫剖析阵列的基因进行无监督分层聚类，可以根据免疫浸润的渐进水平对乳腺癌肿瘤进行分组。

02 - 免疫簇与预后相关

对于两个最大的队列METABRIC(n = 1904)和TCGA(n = 981)，发现簇B(具有中等水平的免疫浸润)与更差的预后相关(补充图3A，B)。当分别对ER阴性（补充图3C，D）和ER阳性（补充图3E，F）的病例进行分层时，也观察到簇B病例的这种更差的结果。为了完善观察结果，根据簇B（浅蓝色）与簇A和簇C（紫色）绘制了患者生存期图，并证实簇B患者的预后明显且显著恶化（图2）。用相关生存数据在另外四个队列中进一步验证了这一结果。结论是免疫簇与ER阴性和ER阳性乳腺癌的预后相关。

03 - 用二项式逻辑回归预测免疫簇

基于免疫聚类的临床相关性，旨在开发一种通用的方法，能够准确而敏感地预测患者的预后较差的分类，而不必依赖于无监督聚类。作者使用二项式逻辑回归，通过lasso进行惩罚，得到一组基因，这些基因可以敏感和特异地预测一个样本是否属于簇B，通过接收者操作特征曲线和曲线下面积（AUC）分析评估（图3a）。96.3%的样本被模型预测为簇A和簇C，而68.8%的样本分到了簇B（图3b）。

通过比较生存期对数秩检验p值，发现lasso分类普遍改善了免疫簇与生存期之间的显著关联。lasso模型在另外5个队列中得到了验证。图3c-e为STAM(n = 856)、MAINZ(n= 200)和UPSA(n = 289)，补充图5A、B为CAL(n = 118)和PNC(n= 92)。

由于二项式逻辑回归只预测了两个簇（簇B与簇A和簇C），进行了另一轮二项式逻辑回归，以高准确度区分簇A和簇C（补充图5C，D）。

04 - 免疫簇，一个独立的预后因素

作者进一步研究了免疫簇与乳腺癌中著名的临床病理特征（大小、年龄、等级、阶段、淋巴结受累和分子亚型（PAM50））的关系。簇A（免疫浸润度低）富含ER阳性和Luminal病例，而簇C（免疫浸润度高）中ER阴性和Basal样病例比例较高，ER阴性和ER阳性样本以及PAM50亚型在预后不良的簇B中同样占有一定比例（图4a，b）。

使用多变量Cox回归分析测试了免疫簇的预后影响，同时考虑了其他预后因素。发现免疫簇是模型生存的重要因素，如每个队列Cox模型中与免疫群相关的显著p值所示。为了进一步检验免疫簇作为重要的预后生物标志物的优势，采用了逐步回溯选择的方法。对于所有队列，免疫簇被保留在最佳拟合的最小模型中，在11个队列中的9个队列中，免疫簇是一个显著的预后变量。

05 - 具有复发风险（ROR）评分的新RNA-seq数据集的验证

EMIT0，这是OSLO2队列研究的一个子集，OSLO2-EMIT0由食品和药物管理局批准的Prosigna复发风险（ROR）分数评估，ROR评分在标准的临床病理特征之上增加了重要的预后信息。发现簇B组成的样本与簇A和C相比具有中间的ROR评分（图4c），表明与簇B相关的不良预后不可能由ROR评分中包含的信息来解释。当分别评估ER阴性（补充图7A）和ER阳性（补充图7B）病例时有同样结果。对于所有队列通过已有方法计算ROR评分，该方法与PAM50亚型有关，并证实簇B由中间ROR评分组成（图4d和补充图7C，D）。

多变量回归分析证实，免疫簇为ROR评分带来了额外的预后价值，这体现在用ROR评分和免疫簇建立生存模型时，免疫簇的p值显著。通过计算净重分类改善（NRI）和综合判别改善（IDI）指数，强调了免疫簇与ROR评分一起使用时，根据生存率对患者进行分类的额外价值，正如所有队列中NRI和IDI系数为正值所示。NRI和IDI的置信区间（CI）构建的Bootstrapping显示，对于几个队列，免疫簇与ROR评分相加时，显著改善了患者根据预后的分类。

06 - 免疫簇和对新辅助化疗的反应

进一步评估了免疫簇与新辅助化疗反应之间的关系，使用了来自8项研究（1377个样本）的基因表达数据，并使用lasso将每个样本分配给其所属的免疫簇。如图4e，发现簇C应答者百分比最高，其次是簇A，簇B应答者百分比最低。还计算了每个组中应答者的百分比：簇C平均有42%的应答者和58%的残余疾病患者，而簇B有18%/82%的应答者和13%/87%的残余疾病患者。由于pCR率作为ER状态的函数不同，还独立计算了ER阳性和ER阴性病例的应答者比例，发现无论ER状态如何，簇B的应答者比例最低（分别为补充图8A、B）。

对于每个对新辅助化疗有反应的队列，评估了pCR和非pCR病例在各免疫群中的分布。当考虑整个队列时，发现应答者在各免疫群组的分布有显著不同，簇B的应答者较少，簇C组的应答者居多；当按ER状态拆分时，虽然并非总是显著，但也观察到同样的趋势。这些结果表明，簇C中的患者有更高的概率成为应答者。研究结果还突出了簇B的低响应率，表明这类患者可能是新的新辅助治疗方案测试的候选人。

07 - 免疫簇的计算机剖析

为了评估集群中的逐渐免疫浸润是否可以解释与预后的关联，在Cox多变量回归分析中测试了免疫集群或总免疫浸润评分中哪一个对生存更有预测性。作者假设特定的免疫细胞类型混合物，而不是肿瘤微环境中的免疫细胞总数，可能是簇B预后差的原因。

使用CIBERSORT算法估计22种不同的免疫细胞类型的比例，对这种细胞类型特异性中位数浸润分数进行无监督聚类（图5a）。簇C病例中，富集了巨噬细胞M1、记忆激活T细胞和滤泡T辅助细胞（图5a），METABRIC和TCGA队列中CIBERSORT评分的分布也说明了这一点（图5b）。簇A如预期的那样，免疫细胞的水平非常低。在反应和预后较差的簇B中，发现巨噬细胞M2、静止肥大细胞和静止记忆T细胞的水平较高（图5a，图5b）。

使用广义线性模型，指定了区分簇B与簇A-C的免疫细胞类型（图5c）。还测试了哪些免疫细胞类型解释了簇A与簇B之间的差异和簇B与簇C之间的差异。

08 - 免疫簇的表型分析

通过差异基因表达分析确定了簇B中显著过度表达的基因，与簇A和簇C相比，簇B中有909个基因分别上调。这些基因与干细胞生物学和EMT相关，如使用MsigDB31的H和C2集合的基因集富集分析（GSEA）所示（图6a）。

为了进一步描述免疫簇与癌细胞表型之间的关系，使用了与EMT、干细胞、缺氧和增殖相关的基因集。使用GSVA方法计算了每个集群和队列的平均基因集富集分数，该分数反映了免疫集群中每个路径/基因集的活动。平均基因集分数的无监督聚类将免疫簇A和C分开，而簇B被分为两个亚组（图6b）。这些结果表明免疫簇与干细胞/EMT相关基因特征之间存在关联。

通过GSVA富集分数的无监督聚类，确定了乳腺癌中两个相互排斥的基因特征：（i）一个与增殖和胚胎干细胞样表型相关，（ii）另一个与EMT和乳腺干细胞表型相关。增殖表型在簇C中占主导地位（补充图11A），当计算每个代谢样品的基因集得分时也观察到了同样的情况（补充图11B）。在簇B中，EMT或增殖相关特征的平均基因集得分较高（补充图11C）。在代谢物组的样品水平上，我们观察到一个或另一个状态被激活的样品的类似模式（补充图11D）。簇A显示EMT和增殖状态得分较低（补充图11E，F）。

为了正式确定哪些基因集分数解释簇B，使用广义线性模型测试每个基因集的贡献程度。EMT标志对簇B有积极贡献，而增殖和细胞运动性与簇A和C相关（图6c）。还测试了当单独与簇A或簇C比较时，哪种基因集得分可以解释簇B。

09 - 肿瘤表型与免疫浸润的相关性

由于免疫簇与（i）免疫细胞类型和（ii）基因集特征相关，评估了免疫浸润（CIBERSORT）和癌细胞特征（基因集分数）之间的关系。图6d显示增殖和EMT分数与不同类型的免疫细胞显著相关。高EMT分数与巨噬细胞M2、静息肥大细胞和静息记忆T细胞相关，而高增殖与更活跃的适应性肿瘤微环境相关。这些数据表明癌细胞表型和肿瘤微环境的组成之间存在连续性。

簇B以致瘤免疫浸润为主，EMT信号高，但约35%的簇B也表现为增殖表型。为了探索簇B中的这种异质性，以无监督的方式根据基因特征分数将样本分组为B1以EMT表型为主，B2以增殖为主（图6e）。

在METABRIC和TCGA中，具有增殖表型的B2病例的预后较差（图6f，g）。为了进一步评估基因集评分的异质性是否伴随着免疫环境的异质性，作者寻求B1和B2亚群之间特异性免疫细胞类型的差异。补充图14中的无监督聚类显示，两个子聚类B1和B2都具有促肿瘤/静息免疫微环境。总而言之，簇B中两种相互排斥的状态可能与预后有关；然而，簇B的一个统一因素是存在促肿瘤/静息免疫微环境。

四、结论

在本研究中，发现了与临床相关的免疫簇与渐进性免疫浸润。在15个乳腺癌队列中，跨越6101个乳腺癌样本，肿瘤免疫浸润中等水平的患者群预后较差，与已知的预后分子和临床病理学特征无关。通过对群组免疫成分的表征，发现亲肿瘤免疫浸润与不良预后组相关。进一步的表型分析显示乳腺癌中存在两种相互排斥的侵袭性肿瘤表型，一种与EMT有关，另一种与增殖有关。这两种表型都是在不活跃/促肿瘤免疫微环境上发现的不良预后群。

医学生物信息学文献第2期：肿瘤微环境

肿瘤内刺激树突状细胞(SDC)在刺激细胞毒性T细胞和诱导抗肿瘤免疫反应中起着重要的作用。 了解调节它们在肿瘤微环境(TME)中的丰度的机制可以揭示新的治疗机会。作者发现，在人黑色素瘤中，SDC的丰度与细胞因子FLT3LG基因的瘤内表达有关。FLT3LG主要由淋巴细胞产生，尤其是小鼠和人类肿瘤中的自然杀伤(NK)细胞。在小鼠TME中，NK细胞与SDC形成稳定的结合，小鼠NK细胞的遗传和细胞消融表明：FLT3L的产生在调节肿瘤中SDC的丰度方面发挥重要作用。虽然抗PD-1‘检查点’免疫疗法主要以T细胞为靶点，但作者发现NK细胞频率与人肿瘤中保护性SDC、患者对抗PD-1免疫治疗的反应性以及提高总体生存率有关。作者的研究表明，固有免疫SDC和NK细胞共同作为T细胞定向免疫治疗的良好预后工具，这些固有细胞是增强T细胞肿瘤反应所必需的，表明这一轴是新疗法的靶点。

人类中分别由整合素CD103和血栓调节蛋白(BDCA-3，又称CD141)的表达确定。 肺的研究表明，这些细胞在肿瘤中比在邻近的正常组织中更少。 在黑色素瘤中不常见的WNT-β-catenin通路突变病例中，这些DC数量的减少与预后不良有关，也与肿瘤中趋化因子表达模式的缺陷有关。 在这里，作者发现sdc数与预后不良之间的关系可能更加普遍。在本研究中，作者发现TME中BDCA-3+SDC的保护水平与黑色素瘤患者较好的总生存期(OS)相关。作者进一步将肿瘤内SDC的数量与FMS相关的酪氨酸激酶3配体(FLT3LG)的基因表达联系起来，FLT3LG是cDC 1的形成性细胞因子。 作者利用一种新型的Flt 31报告小鼠，将肿瘤内淋巴细胞鉴定为肿瘤中Flt 31的产生者，其遗传学和功能研究表明，自然杀伤(NK)细胞是产生Flt 31以控制肿瘤中SDC水平的完整细胞类型。 作者进一步证明，人黑色素瘤中的SDC与肿瘤内NK细胞的水平有关，并且这两种固有免疫细胞类型与抗PD-1免疫治疗的反应性相关。 这些结果表明，NK细胞通过在肿瘤中产生FLT3LG，控制肿瘤中SDC的水平，提高患者对抗PD-1免疫治疗的反应性。

研究思路：

1、人黑色素瘤中BDCA-3+ SDC水平与整体存活率的提高相关。

我们之前的工作发现了8个基因的“SDC标签”，它来源于SDC与小鼠肿瘤内所有其他髓系群体的直接比较(图1A)。 我们使用这种SDC基因标签来评估黑色素瘤样本谱中与转移性黑素瘤数据相关的临床结果数据的SDC数目，并发现六个“SDC标签”基因从转移时起就与增加的OS有显著的个体关联(补充表1)。 此外，在Kaplan-Meier分析中，我们将每个样本的整个标签以66%的严格度分为“高”或“低”表达，我们发现高表达与OS的增加显著相关(Fig. 1b)；在33%和50%的严格度下观察到类似的相关性(补充图1A)。 肿瘤基因组图谱(TCGA)黑色素瘤数据集(补充图)中概述了SDC基因标签与OS增加的相关性 (Supplementary Fig. 1b)。进一步发现肿瘤浸润淋巴细胞(TIL)类型的层组与SDC基因标签高度相关（Fig.1C） 。 此外，使用SDC和非刺激髓样细胞(NSMs)特征比值的基因标记的表达(代表刺激和抑制性髓细胞群体的相对丰富度)也显示与OS和T细胞浸润增加有很强的相关性(补充图1C-E)。 这些数据表明，肿瘤中SDC的相对水平与OS的增加有关。

2、瘤内SDC丰度预示抗PD-1免疫治疗的反应性。

肿瘤SDC最初被定义为具有向T细胞交叉呈现肿瘤抗原并刺激T细胞的能力，并在小鼠模型中被证明是产生较好的抗PD-1反应所必需的。 因此，我们寻求确定SDC水平是否与T细胞检查点阻断剂治疗的有效性有关，预计该治疗将可能释放更多的CD8+T细胞控制肿瘤。 为了将这一分析扩展到黑色素瘤患者，并更广泛地确定抗PD-1免疫治疗反应所需的免疫成分，我们分析了两组独立的活组织切片或转移性黑色素瘤患者手术切除的肿瘤活检(组A：n=33，包括已经接受各种免疫治疗的患者；组B：n=23，都是抗PD-1免疫治疗前的；补充表2)。 活组织切片消化成单细胞悬液，随后用流式细胞术和RNA测序(rna-seq)进行分析，同时跟踪患者的临床结果以及抗PD-1免疫治疗的反应性。 患者被分为“无应答者”组，定义为病情稳定或进展的组，或“应答者”组，定义为对抗PD-1治疗有部分或完全应答者(见方法)。 我们设计了一个全面的流动面板来定量人体肿瘤中的免疫浸润(Fig. 1d–f and Supplementary Fig. 2a,b)，虽然我们发现黑色素瘤患者免疫浸润的数量存在异质性，但总免疫浸润与抗PD-1免疫治疗的反应性之间没有明显的相关性(图1D)。

相反，TME内的多个髓细胞系倾向于对免疫治疗有反应 (Fig. 1e,f)。 CD14（-）肿瘤相关巨噬细胞(TAMS)在抗PD-1治疗反应患者中呈增加趋势，但这仅见于一个群组(图1E)。 B组中CD14+细胞数量高对抗pd-1免疫治疗的响应有不好的预后，而在组A中，CD14+CD16+单核细胞可以有效地从CD14+CD16 - TAMs中分离出来，肿瘤内单核细胞水平升高，比TAMS更明显，对抗PD-1免疫治疗有负的预后价值(图1e)。 此外，BDCA-1+DC(CDC2s)在2个群组中均未显示与应答者状态相关的显著变化 (Fig. 1f)。有趣的是，在总抗原呈递细胞（APCs; gating on CD19–HLA-DR+ cells）中，BDCA- 3+ DCs（通过CLEC9a染色进一步证实哪些是cDC1）的高比例强烈预测了两组黑素瘤患者对抗pd -1治疗的反应的高比例强烈预测了黑色素瘤患者对抗pd-1治疗的反应(Fig. 1f)

3、FLT3LG表达与肿瘤中SDC水平相关

鉴于SDC与患者预后和抗PD-1免疫治疗反应性有很深的关联，我们寻求确定控制肿瘤中保护性骨髓细胞水平的细胞和分子机制。 包括肿瘤SDC在内的cDC1s形成的细胞因子是FLT3L，但这种细胞因子在肿瘤中的内源性来源尚不清楚。 利用他们的黑色素瘤数据集（包含来自肿瘤活细胞总数的配对流式细胞术和RNA-seq数据）(组A；补充表2)，我们发现在肿瘤中BDCA-3+DC水平与FLT3LG的表达显著相关(图 1g)。 我们证实了肿瘤中SDC水平与FLT3LG表达之间的这种相关性，利用SDC基因标签来估计公开的TCGA黑色素瘤数据集中的SDC水平。 FLT3LG高表达(中位分裂)的TCGA黑色素瘤样本明显增加OS，这与FLT3LG在肿瘤SDC控制中的重要作用一致。 这些发现表明，控制tme中的细胞因子flt3lg可以对sdc的水平产生重要影响，sdc是一种对癌症免疫反应和抗pd-1免疫治疗反应非常重要的细胞类型。

4、淋巴细胞是肿瘤微环境中FLT3L的主要来源

肿瘤中FLT3LG表达与SDC水平的相关性，引出了哪个细胞类型产生FLT3L的问题。因此，我们在内源性小鼠Flt3l位点下游引入可诱导的编码Cre和teal荧光蛋白(TFP)的DNA，从而获得了Flt3l-报告小鼠(Fig. 2a)。携带与此等位基因纯合的异位B16F10肿瘤的小鼠，尽管血清总FLT3L有少量但可重复的下降，但其在TME中的常规DC和淋巴细胞比例相似，这表明该蛋白在肿瘤中有类似的功能(补充 Fig. 3a–c)。Flt3l-纯合报告小鼠注射异常的B16F10肿瘤，在肿瘤移植后2周，TFP作为Flt3l表达的读数，仅在淋巴细胞内检测到(Fig. 2b,c)。在表达Flt3l的淋巴细胞中，NK细胞表达量最高，T细胞表达量较低，B细胞表达量不高（ Fig. 2b,c; Fig. 3e,f)）。当用抗flt3l抗体检测细胞表面的蛋白时，这些细胞群呈阳性(图2d)。从肿瘤、肿瘤引流淋巴结(LN)和非肿瘤引流淋巴结(LN)分离的NK细胞中，Flt3l的表达水平与TFP的表达水平相似，表明Flt3l的表达不受TME的调节(Supplementary Fig. 3d)。在其他肿瘤模型中也发现了类似的报告等位基因表达模式，包括自发产生的肿瘤模型(例如，多瘤中T抗原乳腺癌模型，其目的是表达mCherry和卵清蛋白(PyMTChOVA)；Supplementary Fig. 4a,b)。有趣的是，野生型(WT)携带b16f10肿瘤动物血清中FLt3L水平没有显著差异，表明局部产生的flt3L对sdc水平和预防癌症很重要(Supplementary Fig. 4c)。

5、肿瘤中淋巴细胞产生FLT3L对于正常的SDC水平是必须的

接下来，我们在小鼠身上进行了基因实验，以检测淋巴细胞及其亚群在控制TME中SDC水平中的作用。对缺乏T细胞和NK细胞的IL2RG-/-小鼠(补充图5a)注射异常的B16F10黑色素瘤，分析肿瘤中髓系细胞和淋巴系细胞的水平。虽然来自IL2RG-/-小鼠的B16F10肿瘤的肿瘤面积与其WT对照组大致相同，但是IL2RG-/-动物肿瘤可显著降低TME中CD 103+SDC的表达，而CD11b+DC的频率无明显变化(图3a和补充图5a)。为了检测淋巴细胞特异性地产生FLT3L在控制SDC水平中的作用，我们将IL2RG-/-骨髓与WT或Flt3l-/-混合骨髓移植到致死性照射的Flt 31-/-受体动物体内，形成混合骨髓嵌合体(图3b)。在肿瘤中与能产生FLT3L的淋巴细胞间隔的IL2RG-/-：WT混合骨髓嵌合体相比，其淋巴细胞室不能产生FLT3L的IL2RG-/-：Flt3l-/-，CD 103+SDC的水平降低(图3b)。肿瘤中CD 103+SDC水平的差异并不是由于T细胞或NK细胞的整体缺失所致，而是丰富的肿瘤引流和非引流LN的IL2RG-/-：Flt3l-/-骨髓嵌合体(补充图5b)。与IL2RG-/：WT-混合骨髓嵌合体相比，IL2RG-/：Flt3l-/-混合骨髓嵌合体的CD11b+DC无明显减少(图3b)；此外，在肿瘤引流和非引流皮肤LN中，居住或迁移的CD11b+DC均无缺陷，提示IL2RG-/：Flt3l-/-混合骨髓嵌合体中CD11b+DC无整体缺陷(补充图5c)。有趣的是，在IL2RG-/：Flt3l-/-骨髓嵌合体中，肿瘤引流和非引流LN中常驻CD8+DC和迁移CD 103+DC的水平也降低，提示淋巴细胞的需求更广泛地延伸到cDC1的产生(补充图5c)

6、NK细胞，而不是T细胞，控制着肿瘤中SDC的丰度。

为了直接检测特定类型淋巴细胞在肿瘤中控制CD 103+SDC水平的作用，在小鼠B16F10黑色素瘤模型中，我们敲出了表达Flt3l报告基因的T细胞和NK细胞。由于重组激活基因(Rag)突变而缺乏所有T细胞的小鼠其肿瘤组织中CD103+DC水平没有减少(图3c和补充图5d)。此外，通过抗体消耗CD4+或CD8+T细胞的WT小鼠也表现出正常的SDC细胞密度（数据未显示)。为了探讨NK细胞的作用，小鼠在B16F10肿瘤注射前3天开始每3天用抗NK1.1抗体治疗一次，结果导致了NK细胞的大量丧失，但淋巴细胞的其他变化和肿瘤生长受限(补充图5e)。而缺乏NK细胞的小鼠TME中CD 103+SDC的频率降低，CD11b+DC的水平无明显变化(图3d)。与我们以前的发现一致，肿瘤中的T细胞刺激依赖于肿瘤内的CD 103+DC，缺乏NK细胞的小鼠肿瘤中活化的T细胞数量有减少的趋势。(补充图5e)。有趣的是，NK细胞的耗竭导致CD103+DC在肿瘤引流和不引流LN中的水平略有下降，但有显着性差异(补充图5f)，再次表明除了在肿瘤中的作用外，NK细胞在控制CD103+DC水平方面发挥了更广泛的作用。这些结果表明，虽然T细胞和NK细胞都能在肿瘤中产生Flt 31，但T细胞的缺失对肿瘤CD103+DC水平没有影响。而NK细胞产生Flt3l在调控肿瘤中这些保护性DC的水平中起重要作用。

7、TME中NK细胞与SDCs发生频繁而稳定的相互作用

NK细胞是肿瘤中SDC水平所必需的主要淋巴细胞。然而，NK细胞和SDC在肿瘤中非常少见，因此我们提出这样一个问题：NK细胞如何控制肿瘤中的SDC？与其他APC相比，SDC在TME中很少存在，并且很少与传入的T细胞相互作用。相反，当我们对B78黑色素瘤进行活体双光子切片成像时，我们发现NK细胞(Ncr1-GF标记P)经常与SDC密切接触(抗X-C基序趋化因子受体1(XCR 1)的抗体标记；图4a和补充视频1)。对由转染mCherry-OVA融合结构的B78亲本细胞组成的B78-cherryOVA肿瘤14进行活体双光子成像后用于PyMTChOVA小鼠品系，我们发现大约1.9%的NK细胞在Xcr1-Venus+ cDC1的5μm范围内，而只有0.38%的MHCⅠ类限制的卵清蛋白特异性(OT-I)T细胞在Xcr1-Venus+ cDC1的5μm范围内(图4b)。此外，我们还观察到，在XCR 1+cDC 1中，大于5μm的NK细胞迁移(与实质性位移相关的运动)，而与之密切接触的NK细胞(5μm)的运动能力降低，与连续和/或突触接触一致(图4c和补充视频2)。这些结果表明，在肿瘤中，NK细胞是FLT3L的最相关来源，FLT3L控制着SDC水平，这可能是由于NK细胞对cDC1 DC亲和力增强所致。这一发现与最近在TME 中NK细胞和XCR 1+DC的趋化因子受体配对的研究结果是一致的。与NK细胞直接作用于DC的情况一致，当从WT小鼠LNS中分选CD 103+DC并与NK细胞共培养时，CD103+DC 24h和72h的存活率显著提高(图4d)。这些研究表明，NK细胞比T细胞更能与肿瘤中的SDC形成稳定的相互作用，靶向NK细胞水平可增加FLT3L的产生，进而提高肿瘤中SDC的水平或生存期可能是一种新的治疗手段。应该注意，虽然我们看到有证据表明NK细胞为CD 103+DC在肿瘤中提供了更高的存活率，但NK细胞也可能作用于DC前体以控制这些SDC。

8、人肿瘤中NK细胞丰度与FLT3LG表达及BDCA-3+ SDCs相关

我们的小鼠研究表明，NK细胞产生FLT3L，并控制肿瘤中SDC的水平。根据这些发现，我们通过基于先前发表的数据集和NK细胞特异性基因的表达谱生成NK细胞基因特征来调查人类数据集中NK细胞的丰度(图5a和补充图6)。用NK细胞基因标记对TCGA黑色素瘤样本中NK细胞丰度的估计，我们发现肿瘤中NK细胞的水平与FLT3LG的表达(图5b)有明显的相关性，这与肿瘤内NK细胞是FLT3LG的来源是一致的。与NK细胞基因标签结果一致(图5b)，天然细胞毒性触发受体1的表达(NCR 1)、NK细胞上NK细胞受体基因的特异性表达(补充图6)与FLT3LG在肿瘤中的表达存在显著的个体相关性(补充图7a)。因此，利用SDC(Fig1a)和NK细胞(Fig5a)的基因标记来估计细胞丰度，我们发现黑色素瘤(Fig5c)患者的NK细胞和SDC水平之间存在显著的相关性，这与我们的小鼠数据一致。此外，NCR1、a NK-specific gene的表达与sdc信号有显著的个体相关性。为了直接比较SDC和NK细胞的数量，收集人黑色素瘤活检标本，消化成单细胞悬液，用流式细胞术进行分析(队列A；补充图2和补充表2)。直接分析肿瘤中的NK细胞和SDC，发现肿瘤中NK细胞水平与BDCA-3+DC水平显著相关(图5d)。肿瘤中的BDCA-3+DC与肿瘤中CD4+T辅助细胞(TH)、CD8+T细胞或CD 45-细胞水平无关(补充图7c-e)，提示NK细胞与BDCA-3+DC之间存在特异性的相关性。NK细胞与BDCA-3+DC之间的相关性在其他癌症类型的TME中也被发现，尤其是在头颈部鳞状细胞癌中(HNSCC；图5e)，这表明这种先天免疫细胞关系可能比单一的适应症或亚适应症更广泛。

9、人类黑色素瘤中的NK细胞与整体存活率的提高相关

SDC与NK细胞呈正相关，从逻辑上预测NK细胞数量也能预测生存期。 每个患者中归一化为z评分，根据中位数划分(50%严格度)，NK细胞基因标签(图5A)用于将患者分为NK细胞数“低”或“高”。 这表明，在两个独立数据集的Kaplan-Meier图分析中，NK细胞数高的患者OS显着增加（图6A和补充图 7F)。 在TCGA黑色素瘤数据集中，NCR 1的表达与OS的增加显著相关；此外，NK细胞特征中的5个基因中有4个单独与OS的增加有关（图6b）。 这些发现表明，正如我们在小鼠模型中所显示的那样，在黑色素瘤患者中NK细胞产生FLT3LG，控制肿瘤中BDCA-3+刺激性DC水平，并导致患者生存期增加。 我们注意到这些发现并不排除NK细胞在肿瘤排斥反应中的一个更传统的作用，即直接肿瘤细胞溶解。

10、NK细胞预测黑色素瘤患者对抗PD-1免疫治疗的反应

鉴于NK细胞产生FLT3LG和控制肿瘤中SDC水平，从而预测抗PD-1免疫治疗反应中的重要作用，我们探讨了NK细胞和/或T细胞是否与免疫治疗反应有关。 我们发现抗PD-1免疫治疗的反应性与T调节(Treg)细胞、CD4+Th细胞、CD8+T细胞和PD-1+CTLA-4+T细胞无明显相关性(Fig. 6c)，尽管其中一些群体的趋势较弱。 特别是，我们没有重述以前的数据，表明PD-1+CTLA-4+CD8+“耗尽”的T细胞特征可以预测预后。 然而，NK细胞在抗PD-1免疫治疗后的肿瘤中明显增多(Fig. 6c)。 这些发现与我们在小鼠中的发现一致，即NK细胞、FLT3L和SDC形成了一组影响预后的决定因素，至少在一定程度上可能是由NK通过产生FLT3L而增强SDC所驱动的。

11、NK-SDC轴与抗PD-1免疫治疗的反应性相关

用于黑色素瘤群组A的综合流式细胞仪板对TME中的33个免疫群体进行定量(补充图2和补充表2)。 为了确定TME中的NK细胞和SDC水平是否与抗PD-1免疫治疗的反应性唯一相关，我们在每个样本中对人群分数进行了z评分，发现在TME中已鉴定的免疫细胞中，BDCA-3+DC和NK细胞与抗PD-1免疫治疗的反应性显著相关(图6E和补充表3)。 此外，从这个角度来看，很高频率的HLA-DR-CD4+T细胞似乎与抗PD-1反应密切相关，并可能代表BDCA-3+DC和NK细胞数量不多的患者的另一种预后特征。 这可能表明PD-1阻断可被多种类型的免疫浸润所支持，尽管还需要进一步的研究来证实。

由于作者水平有限，欢迎批评指正！！

2022-03-07 肿瘤免疫微环境

肿瘤微环境是一种非常复杂且动态的生态系统，是肿瘤赖以生存的“土壤”。

主要参与者包括： 肿瘤细胞，免疫细胞和支持细胞（如成纤维细胞）

在肿瘤细胞、成纤维细胞或炎症细胞的趋化因子的吸引作用下，血液循环系统中的免疫细胞通过跨内皮过程迁移到肿瘤部位，在肿瘤组织内，免疫细胞局部增殖、分化、发挥功能、死亡，部分迁移回循环系统。

在这些细胞群中，人们经常可以找到与急性炎症相关的细胞（包括中性粒细胞、嗜碱性粒细胞和嗜酸性粒细胞）、 先天免疫相关的细胞（包括巨噬细胞、NK 细胞和 DC）以及来自适应性免疫反应的细胞（包括CD8+ T 细胞、Th1-/Th2细胞和 B 细胞） 。

肿瘤相关巨噬细胞

肿瘤相关巨噬细胞 (TAM) 是一个数量相对丰富的细胞亚群，在许多肿瘤中，它们的数量是超过其他类型免疫细胞的。

TAM具有高度可塑性的表型和功能，目前已经确定的有两种主要亚型： M1型TAM (由Toll样受体配体[如脂多糖和干扰素-γ]诱导)，优先表达促炎细胞因子和诱导型一氧化氮合酶； M2型TAM (由IL-4或IL-13诱导)，表达精氨酸酶1、CD206、CD163、IL-4R、TGF-β1和血小板衍生生长因子(PDGF)。一些研究结果表明，M1型TAM可增强抗肿瘤 Th1 反应并拮抗调节性免疫细胞的抑制活性，而M2型TAM则主要发挥促进血管生成、肿瘤生长和转移的功能。

NK细胞

NK细胞是先天免疫系统中的细胞毒性效应淋巴细胞，其主要功能是帮助控制感染和肿瘤。NK细胞识别肿瘤细胞的两个主要机制是：它们可以识别MHC-I类分子表达下调的细胞（在多种癌症类型中均表现出的一种免疫耐受现象），或与肿瘤细胞上表达的应激诱导配体结合(如MICA或MICB，它们可与NK细胞上表达的NKG2D结合)。

树突状细胞

树突状细胞 (DC) 的主要功能是在先天性和适应性免疫反应之间起到桥梁作用。在生理环境下，DC 吞噬并处理非自身抗原，当它们接收到危险或激活信号时，会被激活并移动到淋巴结的次级淋巴结构，在那里激活初始 B 或 T 细胞。DC 的表型具有相当的可塑性，它们可以产生多种的促炎或免疫抑制细胞因子，以及表达一系列的激活或抑制性的受体，这取决于它们所在的环境。次级淋巴器官是受保护的环境，在此环境中可产生能够有效激活适应性免疫反应的 DC 。

三级淋巴结构

TLS是在炎症病理状态下发展起来的高度组织化的淋巴集合体。在癌症中，TLS通常发生在肿瘤的浸润边缘和/或间质中，类似于其他慢性感染性或自身免疫性疾病。

CD4+ CD8+ T细胞

CD4+ T 辅助细胞分为不同的亚型，包括 Th1、Th2、Th17、Tfh 和 Treg；每个亚群在抗肿瘤免疫反应中都发挥着特定的作用。总体而言，以 Th1 为导向的反应会抑制肿瘤生长，并且通常与良好的临床结果相关。事实上，Th1细胞可通过产生包括 IL-2 和 IFN-γ 在内的几种细胞因子，在原位增强细胞毒性 T 细胞的抗肿瘤功能。Tfh细胞与 TLS 中的 B 细胞相互作用以帮助产生抗体。

其他肿瘤浸润CD4+ T细胞亚群(Th2、Th17和Treg)的作用尚不是很清楚，但在不同的肿瘤中常与预后不良相关。许多研究表明， 肿瘤中的Treg通过两种主要机制抑制抗肿瘤免疫反应 :

(1)产生抑制性细胞因子(如IL-10、TGF-β、IL-35)；

(2)抑制DC的发育成熟。

CD8+ T 细胞在抗肿瘤免疫反应中发挥着非常重要的作用，因为它们负责识别和消除肿瘤细胞。由于基因组的不稳定性，肿瘤细胞通常在其表面表达突变蛋白。其中许多是诱导肿瘤特异性免疫反应的新抗原。活化的 CD8+ T 细胞负责肿瘤细胞的识别和裂解，其机制在文献中有详细描述，其中包括释放细胞毒性颗粒。有趣的是，在大多数肿瘤中，浸润性细胞毒性 T 细胞表达抑制性受体（例如 PD-1、Tim-3 和 Lag-3 ），其在生理情况下的功能是与其配体结合时抑制免疫反应。事实上，许多肿瘤细胞可以利用这种抑制机制，并表达多种配体（例如 PD-L1、PD-L2），帮助它们逃避 T 细胞的攻击。

B淋巴细胞

在肿瘤以及其他一些炎症条件下，B 细胞通过产生抗体、刺激性细胞因子和趋化因子来增强 T 细胞反应，充当局部抗原呈递细胞，并组织形成维持免疫反应的TLS。B细胞可以发挥所有的这些功能，并且总体上具有抗肿瘤作用。此外，最近的证据表明，它们还可以通过产生 IL-10 等细胞因子发挥免疫调节作用。

什么是免疫治疗

近几年来肿瘤免疫疗法已成为肿瘤治疗领域的焦点。美国免疫学家詹姆斯·艾利森 (James Allison) 和日本生物学家本庶佑 (TasukuHonjo) 凭借「发现负性免疫调节治疗肿瘤的疗法」获得了 2018 年诺贝尔生理学或医学奖。与直接针对肿瘤细胞的传统治疗手段不同, 肿瘤免疫疗法是利用人身自身免疫系统对肿瘤进行杀伤。

那么关于免疫治疗，你到底了解多少呢？

什么是免疫治疗

恶性肿瘤是机体正常细胞恶变的产物, 具有不断增殖并有可能在体内转移的特点。为了生存和生长, 肿瘤细胞能够采用不同策略抑制人体的免疫系统, 使其不能正常地杀伤肿瘤细胞, 从而在抗肿瘤免疫应答的各阶段得以幸存。

人体免疫系统中负责监督和杀伤肿瘤细胞的主要细胞亚群包括杀伤性 T 细胞和 NK 细胞, 当肿瘤细胞在人体内无序分化并不受控制地增殖, 而杀伤细胞活性减弱, 不能有效地清除肿瘤细胞, 重大疾病就发生了。

细胞增殖（图源：站酷海洛）

随着生物技术的迅猛发展, 科学家已经可以在细胞分子水平上针对已经明确的致癌位点设计相应治疗药物, 使肿瘤细胞特异性死亡。虽然利用靶向药物可以对癌细胞进行准确杀伤, 但肿瘤细胞一直在跟免疫系统玩「猫鼠游戏」,「狡猾」的癌细胞具有一定的适应能力, 以逃逸免疫监视和攻击。

例如：免疫细胞表面表达 PD-1 蛋白, 肿瘤细胞则会表达一个免疫球蛋白样的分子 PD-L1。这两个分子相互结合后, 产生的信号被免疫细胞接收, 使免疫细胞的活性降低, 从而使得癌细胞逃过免疫细胞的追捕。因此, 调动体内免疫系统来杀伤肿瘤细胞是肿瘤治疗的新手段, 其机制是活化包括 T 细胞和 NK 细胞在内的杀伤性淋巴细胞, 靶向清除肿瘤细胞, 激活患者体内抗肿瘤免疫系统的应答。肿瘤免疫治疗能明显减少毒副作用, 显著提高治疗效率, 在替代放化疗药物上具备明显优势, 将为治愈肿瘤提供新手段。

PD-1 抑制剂通过阻断PD-1/PD-L1 相互作用，从而阻断PD-1通路介导的免疫抑制反应（图源：网络）

像 PD－L1 这种可以抑制免疫细胞功能的关键「靶点」我们称之为免疫检查点。而通过抑制这些靶点从而重新启动激活免疫功能的药物就是大家熟知的免疫检查点抑制剂了。接下来简单介绍一下这几个常见的免疫检查点。

PD-1 

是一种主要表达于活化的 CD4+T 细胞、CD8+T 细胞、B 细胞、NK 细胞 单核细胞和树突状细胞等免疫细胞中的跨膜蛋白， 主要功能是促进 T 细胞的成熟。正常情况下，PD-1 通过调节外周组织中 T 细胞的分化方向进而调控机体对外来或自身抗原的免疫应答反应， 防止免疫过激的发生。

B7-H1 

同时也被称为 PD-L1，是一个对免疫系统起负作用的蛋白。主要表达于抗原递呈细胞、B 细胞、T 细胞、上皮细胞、肌细胞、内皮细胞和肿瘤细胞中, 并参与肿瘤相关的免疫应答反应。

PD-L1 在人的正常组织中表达量很低, 但是在肺癌、结直肠癌、卵巢癌等癌症中表达量非常高。因为其主要在肿瘤细胞中表达，所以将 PD-L1 抗体用于杀死肿瘤细胞的免疫治疗方法具有光明的前景。

CTLA-4 

是 T 细胞上的一种跨膜受体，CTLA-4 与 B7 分子结合后诱导 T 细胞无反应性, 参与免疫反应的负调节。1996 年，JamesP. Allison 课题组证明使用 CTLA-4 抗体可以增强免疫功能，从而抑制肿瘤的发生发展。

介绍完与抑制免疫功能相关的免疫检查点后，再来介绍一下与之结合后可以阻断其发挥免疫抑制作用从而活化重启免疫系统的免疫检查点抑制剂。

Nivolumab 

是一种完全人源化的单克隆抗体，通过阻断 PD-1 与其配体 PD-L1 或 PD - L2 的结合, 逆转肿瘤免疫逃逸的状态, 恢复 T 细胞杀伤肿瘤的活性, 达到抑制肿瘤生长的目的。Nivolumab 是最早进入Ⅰ期临床试验的抗 PD -1 的抗体药物，目前应用较为广泛，在多种恶性肿瘤的治疗中也已显示较好的治疗效果。

Pembrolizumab 

是美国 FDA 批准用于治疗晚期黑色素瘤的药物之一，这是一种抑制 PD-1 的人源化单克隆抗体, 与 PD-1 有着高亲和力, 几乎去除了免疫原性和毒副作用。

CTLA-4 抑制剂 Ipilimumab 

是一种抗 CTLA-4 的全人源单克隆抗体, 首先被用于黑色素瘤治疗, 由于其具有较好的疗效, 已于 2011 年 3 月被 FDA 批准用于治疗晚期黑色素瘤。但由于单独使用 Ipilimuma 的疗效有限, 现在多使用 Ipilimumab 联合其他治疗方案。

肿瘤免疫治疗的预测因子

在使用免疫检查点抑制剂进行治疗时，并不是会对所有的病人产生同样的治疗效果。有些病人用药后效果较好，有的则较差，那么，究竟什么样的病人会对免疫治疗产生更好的反应呢？有没有什么可靠的评价指标呢？

PD-L1 

研究发现，对 PD-L1 高表达的晚期非小细胞肺癌（non-small cell lung cancer，NSCLC）患者，pembrolizumab 疗效更为显著。因此，KEYNOTE-010 研究首次采用前瞻性研究利用 PD-L1 表达来预测 pembrolizumab 的疗效，也最终证实 PD-L1 可作为预测 pembrolizumab 疗效的生物标志物。

对于肿瘤细胞 PD-L1 表达 ≥ 50% 的晚期 NSCLC 患者，pembrolizumab 较含铂类化疗有更长的 PFS 和 OS，且不良反应少。越来越多的证据支持：PD-L1 高表达的 NSCLC 患者更能从抗 PD-1/PD-L1 治疗（nivolumab、pembrolizumab、durvalumab、atezolizumab 和 avelumab）中 获 益 。

需要注意的是虽然 PD-L1 高表达人群获益更多，但对于多数肿瘤仅单独检测 PD-L1 并不能够筛选出优势人群。

肿瘤突变负荷（tumor mutation burden TMB） 

TMB 定义为体细胞基因组中突变的数目。TMB 决定了肿瘤的免疫原性，而肿瘤微环境则决定了 T 细胞的浸润、分布和功能，因此低免疫原性和高肿瘤免疫抑制微环境是免疫检查点抑制剂原发性耐药的基础，也影响其疗效。维持基因组稳定和 DNA 修复相关的基因突变能够导致体细胞突变频率增加，纠错能力减弱，导致超突变或微卫星不稳定性（microsatellite instability，MSI），同样会引起 TMB 的增加。

采用基因测序计算体细胞的 TMB 发现，高 TMB 与 pembrolizumab 治疗的 ORR、 PFS 和持续临床获益相关。错配修复缺陷（deficient mismatch repair，dMMR）的肿瘤可能对免疫检查点抑制剂敏感。TMB 作为免疫检查点抑制剂的疗效预测因子正越来越引起大家关注。

MSI 

MSI 通常由 dMMR 引起，dMMR 会累积高水平的突变并产生新抗原，因此对 PD-1/PD-L1 抗体有更高的敏感性。全外显子测序结果显示，MSI 肿瘤有更多的体细胞突变，且更高的体细胞突变率与更长的 PFS 相关，提示基于 dMMR 的抗 PD-1 治疗将是免疫治疗的突破口

γ-干扰素（interferoninterferon-γ  IFN-γ） 

IFN-γ是一种由免疫细胞产生具有抗病毒调节免疫以及抗肿瘤活性的蛋白。PD-1 抑制剂治疗前肿瘤活检标本中 IFN-γ信号上调时，患者应答相对较好，所以 IFN-γ可能成为潜在的疗效预测指标。

肿瘤浸润淋巴细胞 

肿瘤免疫微环境可以影响免疫治疗的效果。另一方面，免疫检查点抑制剂也只对特定的肿瘤浸润 T 细胞亚群发挥作用， CTLA-4+ PD-1+的肿瘤浸润 T 淋巴细胞含量与 PD-1 单抗疗 效密切相关，CTLA-4+PD-1+的肿瘤浸润 T 淋巴细胞含量越高，PD-1 单抗效果越好。

血清标记物 

接受 pembrolizumab 治疗后基线的高嗜酸性粒细胞计数、高淋巴细胞计数与低血清乳酸脱氢酶的黑色素瘤患者有较好的 OS。外周血生物标志物如组织蛋白酶、磷脂酶 A2、硫氧还蛋白还原酶和白细胞介素受体相关激酶 3 可能成为 tremelimumab 的疗效预测因子。

基因谱 

抗 PD-1 治疗黑色素瘤患者的基因组学和转录组学特征显示，原发耐药的肿瘤显示了不同的转录特征，表现为参与间充质转化调节、细胞黏附、 细胞外基质重塑、血管再生和伤口愈合的基因表达上调。肿瘤基因谱分析代表了个体的整体信息，无疑是未来实现肿瘤精准免疫治疗的重要方法。

免疫检查点抑制剂为基础的免疫治疗引领肿瘤治疗进入了一个新时代，寻找预测生物标志物 是实现肿瘤精准免疫治疗的必经之路。上述免疫检查点抑制剂疗效预测因子并非单独发挥作用， 多个预测因子的联合应用才能更好地筛选出优势人群，最大程度地使肿瘤患者临床获益。

常见不良反应

对于免疫相关不良反应 (immune-related adverse events，irAEs) 的发生机制，目前还不十分清楚，可能与免疫检查点维持免疫稳态有关。研究表明，irAEs 可能与 T 细胞，自身抗体和炎症性细胞因子有关，且大多程度较轻、易于管理。

皮肤反应

皮肤反应是免疫检查点抑制剂治疗中最常见且首发的不良反应，常见的临床症状包括皮肤瘙痒、皮疹、皮炎、红斑、掌跖红斑、光敏性反应、中毒性表皮坏死松解症、荨麻疹及白癜风等。应用免疫抑制剂治疗后出现皮肤反应的患者可以使用无刺激性的护肤品，避免在紫外线峰值时间进行户外活动，穿宽松、柔和衣物，避免擦洗或划伤皮 ，降低患皮肤不良反应的风险。

胃肠道反应

胃肠道反应是第二常见的不良反应，主要临床表现为腹泻、腹痛、发热、肛门疼痛、直肠出血、体重减轻和恶心呕吐。如果确诊为免疫相关性胃肠道反应，应根据症状严重程度分级给予相应的处理。1 级腹泻或结肠炎 可以只用止泻药物、补液、维持电解质平衡的方法进行对症处理，无需停药。2～3 级胃肠道反应应停用免疫抑制剂，并给予糖皮质激素治疗，在 1—2 周内症状会逐渐缓解。4 级腹泻或结肠炎在应用上述方法进行治疗的同时，也要预防胃肠道穿孔可能，同时必须停用免疫抑制剂¨。

肝损伤

在免疫检查点抑制剂治疗中，单药治疗导致肝损伤的比例少于皮肤及胃肠道反应，且多为 1—2 级损 伤，约占 l%～6%。两药联合应用时，肝损伤的发生率可高达 15% 左右，约一半的患者发生 3～4 级肝脏损伤。

免疫相关性肺炎

免疫相关性肺炎通常是以肺间质及肺泡浸润为 主的非感染性肺部炎症，其常见的临床表现为干咳、 呼吸急促、呼吸困难、心动过速、紫绀及疲劳，较少出现发热、寒战。

自主免疫性内分泌失调

已报道的自主免疫性内分泌失调主要包括甲状腺功能失调 [甲状腺功能减退和甲状腺功能亢进]、下垂体炎、肾上腺功能减退等。

在免疫检查点抑制剂应用的过程中，发现了许多特异性与免疫治疗相关的不良反应，应用糖皮质激素治疗后可缓解。

想要免疫治疗的可以联系：17765123798（电话微信同号） 备注“咨询”

肿瘤微环境简述

1 、肿瘤微环境定义

       肿瘤微环境（Tumor micro-environment, TME）是指肿瘤细胞存在的周围微环境，包括周围的血管、免疫细胞、成纤维细胞、骨髓源性炎性细胞、各种信号分子和细胞外基质（ECM）。

2 、肿瘤微环境特点

在实体肿瘤中，由于肿瘤组织迅速增长，提及高度膨胀及肿瘤组织内部血管系统不完备，这些会导致肿瘤组织内氧气供应不足，肿瘤微环境呈现出整体缺氧的特点。

由于氧气供给不足，肿瘤细胞只能够通过无氧酵解的方式进行能量代谢，这会造成乳酸的积累；与此同时，肿瘤细胞膜上的离子交换蛋白也在源源不断的将细胞内部H+运输到细胞外，避免造成自身酸中毒。这些细胞反应也在不同程度上造成肿瘤微环境PH降低，整体呈现酸性环境。

  在肿瘤发生发展及缺氧，酸性的微环境下，肿瘤组织及外围组织细胞会发生大量凋亡，释放细胞碎片及趋化因子，导致炎症细胞浸润及炎症因子分泌。与此同时，肿瘤本身的发生发展也会引发免疫系统的免疫反应，造成炎症细胞在该区域聚集，引发剧烈的炎症反应。

3、肿瘤微环境作用

 虽然肿瘤微环境具有不同于正常组织的恶劣环境，但是肿瘤微环境依旧在肿瘤发生发展中具有促进作用。肿瘤与肿瘤微环境通常被称为种子与土壤的关系。肿瘤与肿瘤微环境密切相关，肿瘤可以通过释放细胞信号分子影响其微环境环境，促进肿瘤的血管生成和诱导免疫耐受，而微环境中的免疫细胞可影响癌细胞增长和发育。

4、肿瘤微环境在科研研究中的应用

4.1 、肿瘤相关成纤维细胞研究方式汇总

  4.2 、肿瘤相关成纤维细胞

        肿瘤相关成纤维细胞（cancer-associated fibroblasts, CAFs）是肿瘤组织中被癌细胞激活的成纤维细胞，具有成肌纤维细胞的特性。CAFs表型恶性转换与肿瘤演进密切相关，同时CAFs是肿瘤微环境的主要组织成分。

      在常见的科研论文研究中，研究人员一般研究肿瘤相关成纤维细胞分泌物及细胞间通讯对肿瘤细胞增殖，迁移以及凋亡方面的影响。这类研究一般与外泌体相关方面联合起来进行分析研究。

4.3 、肿瘤相关巨噬细胞类群分化

      肿瘤相关巨噬细胞（Tumor-associated macrophages, TAMs）是浸润在肿瘤组织中的巨噬细胞，是肿瘤微环境中最多的免疫细胞。研究表明M1型巨噬细胞主要起到抑制肿瘤，促进炎症及免疫活性方面的作用，而M2型巨噬细胞则起到组织修复，免疫逃逸及促进肿瘤发生发展的作用。巨噬细胞在肿瘤微环境中数目比例与肿瘤发生发展，严重程度及预后具有高度相关性。

  在常见的科研论文中，肿瘤相关巨噬细胞在肿瘤微环境中研究方向很多。归纳起来主要为某些基因/药物调控巨噬细胞分化水平，并将其应用于肿瘤发生机制研究及肿瘤治疗探讨。

4.4 、肿瘤相关 T 细胞类群分化

 T细胞作为细胞免疫的主体类群，在肿瘤免疫细胞杀伤中具有重要作用。而在肿瘤微环境中，T细胞中CD8阳性T亚型可以对肿瘤细胞造成杀伤作用，而CD8阳性T细胞主要通过CD4阳性T细胞中Treg细胞进行调节。

在肿瘤微环境的研究中，研究人员将CD4+FOXP3+T细胞在各类肿瘤中数目比例变化作为肿瘤微环境中T细胞免疫活性的标杆。而在常见的研究中，主要研究基因或药物在T细胞分化及肿瘤发生发展中T细胞比例变化方面对肿瘤机制及肿瘤治疗进行探讨分析。

5、总结

肿瘤微环境是肿瘤细胞与周围组织，免疫细胞相互作用而形成的一个复杂的综合系统。肿瘤微环境的存在提升肿瘤细胞增殖，迁移能力及免疫逃逸能力，进而促进肿瘤的发生发展。而随着肿瘤微环境研究的日益发展，更高效的肿瘤治疗方式及药物也会在不久的将来问世。

骨肉瘤免疫微环境中的巨噬细胞：对免疫治疗的影响

Front Oncol.  2020; 10: 586580.

Published online 2020 Dec 10. doi:  10.3389/fonc.2020.586580

循环单核细胞和组织驻留巨噬细胞都有助于 TAM 的积累。肿瘤细胞和基质细胞分泌的趋化因子，如 M-CSF 和CCL-2 ，可以诱导和募集单核细胞到肿瘤微环境。值得注意的是，已经发现 TAM 被骨肉瘤细胞释放的 IL-34 募集并大量浸润到骨肉瘤组织中。这些单核细胞在局部信号分子的刺激下可以分化为巨噬细胞。

与组织驻留巨噬细胞不同，活化的巨噬细胞会发展出显示不同极化状态和功能的特定表型。传统上，包括 M1 和 M2 表型的二分谱代表了巨噬细胞激活范围广泛的两个极化终端：经典激活的巨噬细胞 (M1)，受干扰素 -γ 、脂多糖 (LPS) 和 Toll 样受体 (TLR)刺激；和替代激活的巨噬细胞 (M2)，被细胞因子如 IL-4 和 IL-13 以及其他信号分子激活。

 M1 样特征的 TAM 有可能杀死肿瘤细胞并增强免疫反应。然而，在大多数肿瘤中通常表现出 M2 样免疫抑制表型的 TAM 往往会 促进血管生成 并促进血管外侵袭和免疫逃逸，最终导致肿瘤进展和转移。

①、TAMs 可以促进肿瘤血管生成。TAMs的含量与肿瘤血管的数量和密度呈正相关，分泌各种促血管生成因子，如 血管内皮生长因子 (VEGF)、成纤维细胞生长因子 (FGF) 和基质金属肽酶 9 (MMP-9)， 参与肿瘤血管生成过程。

②、TAM 还可以 通过以下方式 介导免疫抑制与各种免疫效应细胞相互作用。目前有报道称，TAMs 表达程序性死亡 1 (PD-1) 和细胞毒性 T 淋巴细胞相关抗原-4 (CTLA-4) 的配体受体，可抑制 T 细胞的活化。TAMs 不仅可以产生免疫抑制性细胞因子（ IL-10 和转化生长因子 -β （TGF-  β ） ），还可以产生 CCL5、CCL20 和 CCL22 等趋化因子，将 调节性 T 细胞 募集到肿瘤组织中。

③、TAMs 通过增加血管外渗、促进转移细胞的存活和生长以及抑制效应 T 细胞来支持肿瘤细胞的 侵袭和转移 。最终，在巨噬细胞的帮助下，在特定转移器官的远处部位建立了转移前生态位。

（略）

骨肉瘤微环境中的炎症被认为具有抗肿瘤作用。Coley's Toxins 含有热灭活的细菌或细菌产物，在 19 世纪后期被用于治疗骨肉瘤。炎症可能通过增加浸润巨噬细胞和分泌细胞因子的水平来增强抗肿瘤作用。

一项基于慢性细菌性骨髓炎小鼠模型的研究表明，感染 通过 调节巨噬细胞引发的先天免疫反应，增加了 TAM 的数量并抑制了小鼠肿瘤的生长。此外，巨噬细胞的消耗逆转了这些抗肿瘤反应。此外，感染上调炎性巨噬细胞的细胞因子分泌，包括肿瘤坏死因子-α（TNF-α）和干扰素 -γ （IFN-  γ ），并重新激活免疫系统对抗肿瘤反应以减轻骨肉瘤诱导的免疫抑制。虽然这些模型不能精确模拟骨肉瘤的局部炎症微环境，但这些临床前研究与上述临床数据一起，为巨噬细胞在骨肉瘤中的作用和炎症反应提供了新的认识。

首先，TAM 可以通过分泌细胞因子、生长因子和外泌体来维持细胞存活 。这些因素可能有助于激活抗凋亡程序和调节 CSC 活动。还发现巨噬细胞通过表达组织蛋白酶 B 和 S 部分地保护免受紫杉醇诱导的肿瘤细胞死亡。

其次，巨噬细胞诱导的免疫抑制也与肿瘤的化疗耐受性有关。德纳多等人。发现 CSF1R 拮抗剂 对巨噬细胞的抑制通过 CD8 + T 细胞依赖性机制提高了荷乳腺肿瘤小鼠对紫杉醇的存活率。此外，Ruffell 等人。证实 M2 型巨噬细胞分泌的 IL-10 抑制树突细胞表达 IL-12 ，从而 阻断 CD8 + T 细胞的反应 。

第三，巨噬细胞也可能影响血管化，间接调节肿瘤对化疗的敏感性。巨噬细胞中 VEGF-A 的清除导致血管生长正常化，并增强了肺癌肿瘤对环磷酰胺和顺铂等细胞毒性药物的敏感性 。

新辅助化疗反应不佳的骨肉瘤患者的肿瘤组织中浸润的 CD68 +细胞较高。此外，在化疗药物治疗后，巨噬细胞分泌IL-1β，可激活下游癌症信号通路，降低骨肉瘤对化疗药物的敏感性。

 M2 型 TAM 分泌的 CCL18 促进骨肉瘤的增殖和转移,这些效应归因于 lncRNA UCA1/Wnt/β-catenin 通路的上调。M2 巨噬细胞通过分泌基质金属蛋白酶 12（MMP-12）促进骨肉瘤的转移，基质金属蛋白酶 12 已被公认为转移相关因子并参与降解细胞外基质。TAMs促进骨肉瘤细胞环氧化酶2（COX-2）的表达，激活COX-2/STAT3轴和上皮间质转化（EMT），促进骨肉瘤侵袭和肺转移。

人类骨肉瘤细胞产生的趋化因子配体 5 (CCL5) 的增加促进了巨噬细胞的募集。骨肉瘤表达的单核细胞趋化蛋白-1（MCP-1，也称 CCL2 ） 通过以下途径 参与巨噬细胞募集和浸润的调控MCP-1/CCR2 轴。

 M2 巨噬细胞相关细胞因子，如 IL10 和转化生长因子-β2 (TGFB2) ，并将巨噬细胞调节为促肿瘤 M2 表型。

CD47 被认为是一种“不要吃我”的信号，它与巨噬细胞表面的信号调节蛋白α (SIRP α )结合，导致吞噬作用逃逸和细胞死亡 

Mifamurtide     激活巨噬细胞和单核细胞，增强杀瘤活性，抑制肿瘤生长和转移。可溶性细胞因子如 TNF-α 和 IL1-β 的诱导在 L-MTP-PE 对巨噬细胞的作用机制中起作用。

许多因素将 TAM 重新极化为 M1 样表型，例如 IFN-γ、IL-12，导致 STAT 信号通路的激活 。TLR 是抗原呈递细胞（包括巨噬细胞）表达的重要病原体识别受体。的TLR激动剂诱导M2转化为M1表型引发抗肿瘤作用。除了细胞因子和 TLR 激动剂外，还使用 抗 CSF1 和抗 CD40 等抗体来改变 TAM 极化

吉非替尼是一种表皮生长因子受体 (EGFR) 抑制剂， 通过 抑制巨噬细胞受体相互作用蛋白激酶 2 (RIPK2)改变肺巨噬细胞表型以阻止骨肉瘤侵袭并减少转移负担。