肿瘤免疫论文参考文献

第一章：肿瘤免疫分型的起源 1.肿瘤免疫分型的由来 肿瘤的近代治疗起源于西方，可从18世纪算起。而更远的肿瘤治疗史可追溯到我国宋代。最早描述癌症的特征是《仁斋直指附遗方论》一书中 “癌者上高下深，岩穴之状，颗颗累垂……毒根深藏，穿孔透里” ，意思是说肿瘤像岩石状，有毒根深藏于体内，从这句话可以看出那时对肿瘤的外观描述，基本上与现在的肿瘤类似。人类与肿瘤的斗争已长达上千年，而始终没有取得重大进展。这是因为先前对肿瘤的研究大多集中在肿瘤细胞本身，也就是大家所认识的肿瘤生物学范畴；而随着医疗和科研水平的进步，人们认识到肿瘤异质性很大，尤其是患者之间更无从规律可循，并且肿瘤细胞可在周围环境产生变化之后发生进化，研究肿瘤细胞本身就变得困难重重。因此直到步入20世纪，人们才开始认识到要想战胜肿瘤，我们需要更强大的武器，那就是 人体自身的免疫系统 ，这样的科研导向也就促进了肿瘤免疫学这个热门研究领域的发展。 利用人体免疫系统来杀伤肿瘤 的方式最开始并不被人们看好，一方面是因为利用免疫系统治疗肿瘤的方式没有像手术、化疗那样立竿见影；另一方面是因为最开始科学家对复杂的人体免疫系统的认识并不透彻。随着人们对机体免疫系统的研究越来越深入，肿瘤免疫治疗近二十年才得以慢慢为世人所接受，其中最为引起轰动的是 2018年的诺贝尔医学奖授予了研究肿瘤免疫治疗的两位学者：Allison和Honjo 。他们分别揭示了免疫检查点CTLA-4和PD-1在肿瘤中的作用，从而为免疫治疗药物的临床应用奠定了基础。 免疫检查点抑制剂在很多肿瘤中都取得了良好的响应，这本应该是一个比较理想的结局，然而故事并没有那么简单，并且肿瘤的免疫治疗之路才刚刚开始。随着免疫检查点抑制剂投入到各种肿瘤的大型临床实验中，问题也越来越突出，那就是虽然有些肿瘤患者对免疫检查点抑制剂应答很好，但在另外很多肿瘤患者中免疫检查点抑制剂却根本没有任何疗效。同样的抗体，为什么会出现如此截然不同的结果？科学家开始研究导致这种现象的原因。 图1： 考虑到免疫检查点抑制剂主要是动员自身的免疫细胞来攻击肿瘤，那么很容易就可以想到的是会不会因为患者自身的免疫细胞的功能状态不同，从而对免疫治疗药物的应答不同呢。方向是有了，但似乎离科学家想得到的解释还有点距离。这是因为如果从整个机体的免疫系统出发，那问题就比较复杂，而且不够直接，这个问题直到免疫微环境的提出才得到更好的解决。研究者通过对多种肿瘤的肿瘤微环境分析后发现， 每一种肿瘤，甚至每一位患者的肿瘤浸润免疫细胞都存在差异 ，于是就有研究者根据免疫细胞浸润的特点将肿瘤大致分为 “冷”肿瘤 和 “热”肿瘤 ， 前者肿瘤中浸润的免疫细胞少以及较多比例的是免疫抑制性细胞（Treg,MDSC），对免疫治疗应答反应弱；后者肿瘤中浸润着较多的激活性免疫细胞（CD8+T,Th1），能对免疫治疗药物产生较好的应答反应。 2.肿瘤免疫分型分子机制 “冷”“热”肿 瘤概念的提出是 肿瘤免疫分型的雏形 ，而如果想进一步的理解免疫分型，人们就迫切需要知道究竟是什么原因会引起不同患者肿瘤免疫微环境如此大的差异。 众所周知，人体免疫系统是一个整体，其包括中枢免疫器官胸腺、骨髓以及外周免疫器官淋巴结、脾脏等，它们是各种免疫细胞的驻扎地，还需要淋巴管、血管等完成免疫细胞到局部组织的运输工作。肿瘤中很少有淋巴管，而血管含量丰富。那是不是肿瘤血管的含量是引起免疫细胞浸润的不同呢？答案是否定的，因为血管丰富的肿瘤反而浸润更多的抑制性免疫细胞，促进肿瘤的生长。故事说到这，就需要一些免疫学知识做支撑。 免疫细胞的定向迁徙除了受血管和淋巴管影响外，还需要一类重要的免疫分子：趋化因子以及趋化因子受体。如果将血管比作马路， 趋化因子就是信号灯，它们掌控着各种免疫细胞的走向 。 图2： 科学家通过研究发现，正是 肿瘤中各种趋化因子和趋化因子受体的种类以及含量不同，才会引起不同患者肿瘤浸润免疫细胞的巨大差异 。一些肿瘤细胞也因此利用免疫系统的这个特点，从而释放促进抑制性免疫细胞浸润的趋化因子，并高表达对应的趋化因子受体来吸引抑制性免疫细胞的浸润，从而有利于自身的生长。 第二章：肿瘤免疫分型的全面揭示 1.肿瘤三大免疫分型的提出 肿瘤免疫分型的理念被提出了，但科研不是哲学，光是理念是远远不够的，研究者需要用数据说话。 肿瘤浸润的免疫细胞肿瘤虽多，但大体可以分为两种，一种是可以发挥杀伤肿瘤作用的免疫细胞，如：NK, NKT, CD8+ T细胞；另一类则是发挥抑制免疫细胞杀伤肿瘤功能的细胞，如：Treg, Th1, Th2, M1, M2； 这些免疫细胞中功能最重要的就是T细胞，因为无论是何种形式的免疫细胞调控网络最后都需要T细胞的参与，而且目前各种免疫检查点抑制剂主要也是作用于T细胞来发挥抗肿瘤功能，因此揭示肿瘤浸润的T细胞功能是最重要的。 图3： 对肿瘤免疫分型的研究有很多，其中 比较受研究者广泛认可的就是肿瘤的三大免疫分型： “免疫浸润型” 、 “免疫排斥型” 、 “免疫沙漠型” 。研究者通过对肿瘤组织进行免疫组化染色后发现这三类显著的差异，在“免疫浸润型”肿瘤中，CD8+T细胞可以浸润到肿瘤内部；“免疫排斥型”肿瘤中，虽然也有较高的CD8+T细胞浸润程度，但都是集中在肿瘤外围；而“免疫沙漠型”肿瘤中很少有CD8+T细胞的浸润。 图4： 进一步的研究发现，“免疫浸润型”肿瘤内部表达较高的 MHCI 类分子 ，而另外两种类型的肿瘤中却MHCI分子的表达情况明显降低；此外，“免疫排斥型”的肿瘤外围表达较高的 细胞表面糖蛋白丝氨酸蛋白酶(FAP) ，这个基因主要负责塑造细胞外基质，可调控肿瘤外周形成一层厚厚的基质，从而阻断免疫细胞的浸润。 2.肿瘤免疫分型的量化 三大肿瘤免疫分型的提出为研究者提供了更加确切的证据，但同时也引出一个问题，就是对于很多患者来说被诊断出肿瘤时都已经是晚期；而且如果对每一位患者都进行组织切片，从而进行免疫组化染色来进行肿瘤分型是不切合实际的。因此，研究者在一个大型卵巢肿瘤队列中将数字病理和转录组数据分析进行结合，开发了一种机器学习方法来揭示肿瘤的分子分类和描述肿瘤免疫表型。通过使用随机森林的算法，研究者开发出了一个基于 157个特征基因的分类器 ，根据患者这些基因的表达情况，对患者进行肿瘤免疫特征分类。 图5： 3.影响肿瘤免疫分型的分子机制 “免疫浸润型”的肿瘤细胞表达较高水平的MHCI类分子而低表达FAP基因；而“免疫排斥型”的肿瘤细胞的MHCI类分子明显降低却高表达FAP基因。那么这两种机制有什么关联呢？哪一种才是引起不同肿瘤免疫特征的始动因素？研究者通过分析这两条路径的上下游调控机制，发现 无论是MHCI类分子还是FAP均受一个重要免疫分子的调控，那就是 TGFβ 。原来，肿瘤细胞为了逃脱T细胞的攻击，可以借助肿瘤抑制性免疫细胞(Treg,M2)产生TGFβ，后者一方面可以和肿瘤细胞上的受体结合，下调MHCI类分子；一方面可以和成纤维细胞上的受体结合上调FAP的表达，从而产生胶原蛋白形成厚厚的基质层包围在肿瘤周围，以排斥杀伤性免疫细胞的浸润。 图6： 第三章：肿瘤免疫分型的应用 说完了肿瘤免疫分型的基础知识，那么接下来我就介绍一些最近有关 肿瘤免疫分型的高分文章 ，希望能起到抛砖引玉的效果，引起大家进一步的思考。 应用1：m6A分子调控肿瘤免疫分型 近些年，肿瘤m6A修饰的调控机制也是研究的热门方向。热点碰撞会产生怎样的化学反应呢，下面首先介绍一篇发表在Molecular Cancer (IF:27.4) 的一篇文章，篇名为：m 6 A regulator -mediated methylation modification patterns and tumor microenvironment in filtration characterization in gastric cancer。 图7： 在开始讲解m6A和肿瘤免疫分型的联合分析之前，我先来介绍一些m6A的背景知识。这篇文章首先确定了21个m6A调节因子，包括8个Writers、2个Erasers和11个Readers。图7介绍的是这些分子的细胞分布和基本功能，简单来说m6A是对RNA的一种可逆的修饰方式，依靠Writers对RNA进行修饰，Readers进行m6A修饰信息的读取，当完成特定使命后又可以依靠Erasers对m6A修饰进行删除。 图8： 下面开始讲解这篇文章的主要内容，作者首先根据 m6A调控因子的表达对患者进行分类 ，随后发现这种分类和肿瘤免疫分型有很高的相似度 。于是作者就研究了肿瘤的m6A修饰和免疫分型的关系。最后发现依靠m6A特征基因算出的m6Ascore值在“免疫浸润型”、“免疫排斥型”、“免疫沙漠型”患者中的得分存在明显差异（图8A）。随后在抗PD-L1队列（IMvigor210）和抗PD-1队列（GSE78220）中，低m6Ascore的患者都具有显著的临床疗效(图8B)，并且显著的延长了生存率。此外，低m6Ascore患者的PD-L1明显高表达，这表明在对抗PD-1/L1免疫治疗中有潜在的反应。 总之， 这项研究基于21个m6A调节因子，区分了三个不同的m6A甲基化修饰模式，这三种模式具有明显不同的TME细胞浸润特性。 并且不同的m6A修饰模式之间的mRNA转录组差异与m6A和免疫相关的生物途径显著相关。作者建立了m6A score评分系统来评估每个胃癌患者的m6A修饰模式，从而在预测免疫治疗结果方面具有重要价值。 应用2：单细胞测序揭示卵巢癌免疫特征 单细胞测序是近几年兴起的一项革命性技术，它赋予了研究者在单个细胞水平研究各种细胞功能机制的能力。同样作为近些年高分文章中的常用技术，单细胞测序揭示肿瘤免疫分型会有什么样的惊喜呢，下面我就介绍一篇发表在Cancer cell (IF:31.7) 杂志上的一篇文章，篇名为：Single-cell dissection of cellular components and interactions shaping the tumor immune phenotypes in ovarian cancer 图9： 此研究首先对15名卵巢癌患者的肿瘤样本进行scRNA-seq（图9A），根据已知的细胞类型的标记物来定义细胞类型。结果表明，从整体看不同免疫分型的患者肿瘤细胞差异较大，同一免疫类型的肿瘤细胞能聚类到一起，不同免疫分型的肿瘤细胞差异较大（图9B）；此外，基质细胞（图9C）和免疫细胞（图9D）类型虽然在患者之间转录层面差异不大，但其相对分布情况差异很大，并且与肿瘤的免疫分型并没有明确关联。 文章进一步研究了肿瘤内在特征是否影响免疫浸润模式。分析结果显示，排斥型和浸润型的肿瘤之间没有显著的肿瘤细胞转录差异，但在排斥型和浸润型组合与沙漠型肿瘤之间有29个基因表达显著差异。对于这个结论我认为为排斥型和浸润型应该也有比较大的差异，只是单细胞测序需要制备单细胞悬液，可能破坏了这种结构。因而，用单细胞空间转录组进一步解析这两种免疫分型下的肿瘤细胞功能会更有意义，尤其是揭示免疫排斥型最外周的基质细胞层的特征将会为治疗这类患者提供更直接的参考价值。 基因集合富集分析显示，这些基因主要与增殖途径有关，它们的鉴定是由三种具有增殖分子亚型的沙漠型肿瘤所驱动的。另一方面，浸润型和排斥型肿瘤细胞在干扰素应答通路中显著富集，这主要是由编码主要组织相容性复合体(MHC)I类和II类加工和呈递的基因驱动的。此外，文章还观察到浸润型和排斥型肿瘤细胞中氧化磷酸化途径显著富集。 图10： 最后，作者为了总结这些观察结果，总结出了一个模型，在这个模型中，不同的成分和肿瘤、免疫和间质间的潜在串扰可能会形成不同的肿瘤免疫表型（图10）。模型中，TME中有免疫功能的肿瘤(包括浸润型和排斥型肿瘤)有许多不同于沙漠型肿瘤的共同特征。表达CX3CR1配体的内皮细胞和周细胞也可能参与浸润型和排斥型肿瘤中CX3CR1 肿瘤相关巨噬细胞的募集。浸润型和排斥型肿瘤之间也存在重要差异。在T细胞浸润型肿瘤中，浸润程度可能受到两个因素的影响：浸润型肿瘤细胞呈现出CXCL16的高表达，这可能与CXCR6+T细胞向肿瘤上皮的募集有关；此外，浸润型肿瘤中IL1 CAFs丰富，其可能通过CXCL12/ 14促进CXCR4的表达从而进一步募集T细胞。 这项研究通过 对15个临床卵巢癌患者的单细胞RNA测序分析，深入剖析了TME中不同的细胞、功能表型及其动态相互作用，使肿瘤免疫分型的特征更加丰富。 文章结果强调了可能形成肿瘤免疫表型的潜在分子机制，并可能为改善癌症免疫治疗的临床获益提供了治疗策略。 总结和展望 近些年，关于 肿瘤免疫分型 的机制探索无论是在临床研究还是基础科学研究中都是 炙手可热的方向 ，其产生的研究成果也非常有利于进行临床肿瘤免疫治疗药物的转化。 本文系统的梳理了 肿瘤免疫分型的来源、发展和应用 ，但只是窥全豹之一斑，仍然有很多细节需要大家自行补充。我是做肿瘤免疫基础研究的，近几年，发自内心体会到如今只简单的做经典的基因功能调控机制已很难再冲击高分文章，只有着手于具有潜在的临床应用价值的研究成果才能在如今科研浪潮下拔得头筹，而肿瘤免疫分型的研究正是符合了科研工作者的各种想象。 当然如果你并不是想发高分文章，只是想水几篇SCI，那么做一些较简单的肿瘤免疫分型也是不二选择。但从2021年已经发表的生信文章中可以看出，我们已很难再见到只分析纯肿瘤生物学特征的文章，将近90%的肿瘤生信思路文章或多或少都会联合免疫特征进行分析。如果之前你还不能意识到这个问题，那么阅读完此文的你就抓紧学习肿瘤免疫分型吧，相信在不久的将来也能发表一篇不错的肿瘤免疫分型相关的SCI论文。 [参考文献] Nagarsheth N, Wicha MS, Zou W. Chemokines in the cancer microenvironment and their relevance in cancer immunotherapy.Nat Rev Immunol.2017 Sep;17(9):559-572. doi: 10.1038/nri.2017.49. Epub 2017 May 30. Desbois M, Udyavar AR, et al. Integrated digital pathology and transcriptome analysis identifies molecular mediators of T-cell exclusion in ovarian cancer.Nat Commun.2020 Nov 4;11(1):5583. doi: 10.1038/s41467-020-19408-2. Zhang B, Wu Q, Li B, Wang D, Wang L, Zhou YL. m6A regulator-mediated methylation modification patterns and tumor microenvironment infiltration characterization in gastric cancer.Mol Cancer.2020 Mar 12;19(1):53. doi: 10.1186/s12943-020-01170-0. Hornburg M, Desbois M, et al. Single-cell dissection of cellular components and interactions shaping the tumor immune phenotypes in ovarian cancer.Cancer Cell.2021 Apr 27:S1535-6108(21)00212-9. doi: 10.1016/j.ccell.2021.04.004. 更多精彩文章欢迎关注生信人公众号 最新文献免费获取，欢迎还珠医科文小程序

参考文献：Iams, W.T., Porter, J. & Horn, L. Immunotherapeutic approaches for small-cell lung cancer. Nat Rev Clin Oncol (2020). FDA批准了化疗联合PD-L1抑制剂atezolizumab作为小细胞肺癌的一线治疗，纳武单抗和帕博利珠单抗作为小细胞肺癌的单药三线治疗。从此，免疫检查点抑制剂登上了小细胞肺癌治疗的舞台。几十年不变的治疗策略终于迎来改变。 小细胞肺癌有自身的免疫学特点和分类。首先，小细胞肺癌的肿瘤突变负荷较高，已证实肿瘤突变负荷可以预测免疫治疗效果，鉴于小细胞肺癌对化疗敏感，可以促进免疫抗原的释放，增加t细胞反应，这是将免疫治疗和化疗结合应用于小细胞肺癌的理论基础之一。 回顾性研究发现，在接受免疫治疗前样本里具有更多的浸润性T细胞，治疗效果越好。若在小细胞肺癌患者里面细分，调节性T细胞在未进展的患者中和更好的预后相关。CD45记忆性T细胞在脑转移患者里面和更长的生存率相关。患有神经性PNS的SCLC患者和患有内分泌性副肿瘤综合征（PNS）的SCLC患者以及未患有副肿瘤综合征的SCLC患者相比，前者的PD-1 / PD-L1相互作用评分显着提高，且具有CD4和CD8浸润增加的趋势，浸润率更高，OS有所改善。而在广泛期患者中，PD-L1高的患者具有更好的临床结果。综上，SCLC的肿瘤免疫浸润和更好的治疗结果有关。 初步临床试验发现80％的SCLC肿瘤的PD-L1染色少于1％。这与SCLC中高的肿瘤突变负担不一致，暗示SCLC肿瘤拥有独立于PD-1 / PD-L1的免疫逃避方法。因此，对于小细胞肺癌的免疫微环境，还需要进一步的了解。 SCLC细胞可分为四个主要的分子亚型。这些亚型可由RNA测序得到： 1.SCLC-A,高水平的achaet -scute同源物1 (ASCL-1)表达为特征 2.SCLC-N,高水平的神经源性分化因子1（NeuroD1)表达为特征 3.SCLC-Y,表达转录共激活因子YAP1 4.SCLC-P，表达POU2类结构域 2类转录因子3 (POU2F3)表达 未来的研究应明确这些SCLC亚型与免疫生物学特征之间的关系，并考虑选择特定分子亚型的前瞻性临床试验设计。最初的三期临床试验尝试使用ipilimumab（CTLA-4单抗）联合化疗比较单纯化疗，结果不如人意。这项2016年的研究得出，免疫治疗联合化疗组的OS,PFS,ORR并没有提升。 随后2018年的IMPower133带来曙光，IMpower133是一项国际、双盲、随机、安慰剂对照的III期试验，评估在卡铂和依托泊苷中添加Atezolizuma（商品名TecentriqPD-L1单抗）后，一线治疗的疗效和安全性。此研究共招募了403例初治的 ES-SCLC患者。结果是OS,PFS均得到改善，然而ORR依然没有区别。不过，2019年3月18日，罗氏宣布，FDA已批准Tecentriq联合化疗(卡铂和依托泊苷)，用于一线治疗广泛期小细胞肺癌。 2019年的CASPIAN试验更进一步。患者被随机分成三组： 1.durvalumab（PD-L1单抗）+Tremelimumab（CTLA-4单抗）+化疗，化疗4周期结束后继续用durvalumab ±treme直到进展； 2.durvalumab  +化疗，化疗4周期结束后继续用durvalumab直到进展； 3.化疗4-6周期。 在durvalumab组中，患者接受至多4个周期的化疗，而化疗组允许至多6个周期的化疗和预防性颅内照射。与单用化疗相比，durvalumab联合化疗能显著提高患者的OS，并且这一临床获益具有统计学意义。相较于单纯化疗组的OS（10.3个月），durvalumab联合化疗组的OS达到了13.0个月。不光OS得以提升，ORR也具有优势（79.5%vs70.3%）。值得注意的是，IMPower133和CASPIAN的试验略有不同，后者是非盲且允许使用顺铂，但这两个试验的生存数据几乎相同。 这些结果表明，前期化疗加上针对PD-1或PD-L1的ICI作为ES-SCLC患者的治疗策略取得了成功。大约10%的SCLC患者会发展成PNS（副肿瘤综合征），神经系统的PNS被认为是自身免疫性后遗症。考虑到自身模拟激活的可能性，在接受IMPower 133或CASPIAN联合化疗的患者中，未观察到PNS或其他3、4级不良事件的显著增加。此外，其他与治疗相关的不良事件的类型和发生率与ICIs联合化疗的NSCLC患者相似。 一线维持治疗的两个临床试验结果都不尽如人意。2018年一项单臂二期试验在广泛期患者中，化疗后使用K药维持治疗，然而PFS,OS,ORR都未得到显著提升。随后2019年的三臂三期试验CheckMate451，比较O药联合ipilimumab，单药O药和安慰剂用于维持治疗，OS,PFS无显著提升，但在亚组分析里，化疗后5周内使用纳武单抗的患者OS有提高，提示化疗后短时间内肿瘤抗原的暴露可以提高免疫治疗的效果。 之前的NCCN并未对SCLC三线或后线治疗提供具体建议，而是建议参加临床试验作为首选。真实世界的研究数据显示，接受各种各样三线治疗的小细胞肺癌患者，其客观缓解率（ORR）为21.3%，中位缓解持续时间（DOR）为2.6个月，中位总生存时间（OS）为4.4个月，1年生存率仅为11%。 FDA根据来自CheckMate 032的数据批准Nivolumab用于小细胞肺癌三线或一线以后的治疗。CheckMate 032是1/2期，多中心，开放标签研究入组研究，比较了nivolumab和nivolumab加上ipilimumab治疗先前接受过化疗治疗的SCLC或其他晚期/转移性实体瘤，无论其PD-L1水平如何。在109例接受三线或以后三线nivolumab单药治疗的患者中，ORR为11.9％。PFS中位数为1.4个月，OS中位数为5.6个月。 CheckMate331是一项III期临床研究，对比纳武利尤单抗（O药）与化疗二线治疗小细胞肺癌的疗效。对于整体患者来说，中位OS为O药vs化疗为7.5个月vs8.4个月，HR为0.86。该结果也宣告O药二线治疗SCLC的失败ORR：对于整体患者来说，O药vs化疗为13.7%vs16.5%。O药治疗的有效率低于化疗组，O药使用的无进展时间低于化疗组。 KEYNOTE-028研究和KEYNOTE-158研究已经证明，PD-1单克隆抗体帕博利珠单抗（Keytruda）单药疗法在先前接受治疗的广泛期小细胞肺癌的中显示出抗肿瘤活性。Keynote028中患者接受K药10mg/kg，q2w；keynote158中患者接受K药200mg，q3w。两项研究中共83例符合疗效分析（keynote158，n=64；keynote028，n=19）。KEYNOTE-028中，只包括肿瘤细胞免疫浸润和PD-L1联合阳性评分(CPS)≥1%的患者。在24例复发的SCLC患者中，ORR为33%，中位PFS为1.9个月，中位OS为9.7个月。在keynotes -158中，包括107例复发性SCLC患者，ORR为18.7%，PFS中位数为2个月，OS中位数为9.1个月。 IFCT-1603是随机的II期临床试验，旨在评估一线铂-依托泊苷化疗后SCLC中atezolizumab的效果。Atezolizumab的中位无进展生存期为1.4个月，化疗为4.3个月。两组之间的总生存期无明显差异。中位总存活为9.5个月和8.7个月。Atezolizumab单一疗法在复发性SCLC中未能显示出明显的疗效。 综上所述，尽管三线治疗采用免疫疗法单药有优势，但是二线治疗试验都宣告失败。因此FDA批准ICI单药治疗，包括O药或K药，仅在三线或更晚的情况下使用。这个指标被认为可能是对ICIs反应的预测生物标志物，在SCLC患者的一线治疗和维持治疗以及二线或后期治疗中都是如此。在肿瘤细胞或免疫细胞上PD-L1表达≥1%或≥5%的患者中，化疗+atezolizumab单抗与化疗+安慰剂组相比，OS无明显改善。在肿瘤和免疫细胞PD-L1表达均<1%的患者中，接受化疗加atezolizumab单抗与化疗加安慰剂的患者OS均有统计学意义上的改善(中位OS分别为10.2个月和8.3个月)。这些不一致的发现提示，PD-L1表达对SCLC一线使用ICI合并化疗的OS无预测作用。 PD-L1的表达也在二线或后期复发的ICI患者中进行了评估。在CheckMate 032，O药单药治疗组中，PD-L1≥1%的患者的ORR为38%，而PD-L1 <1%的患者的ORR为28%，不可评估的肿瘤患者的ORR为24%。在O药 1 mg/kg和ipilimumab 3 mg/kg组中，这些亚组的ORRs分别为33%、36%和33%。相比之下，在O药3 mg/kg和ipilimumab 1 mg/kg arm5的这些亚组中，ORRs分别为60%、24%和15%。在IFCT-1603 II期RCT中，患者接受atezolizumab或二线化疗后，53个可评估的标本中，只有1个标本有>1%的肿瘤PD-L1表达，因此排除了对其进行预测价值评估的可能性。 keynotes -028中≥1%的CPS是K药治疗的纳入标准。这些患者的ORR为33%。一项调查K药单药治疗疗效的试验，包括CPS低至0%的患者(CPS的评估方法与KEYNOTE-028相同)。将患者分为两组:CPS≥1% (n = 42)和CPS <1% (n = 50)。ORRs分别为35.7%和6%，1年OS分别为53.1%和30.7%，OS的中位数为14.6个月和7.7个月。在PD-L1状态不明的患者中，ORR为27%。由于小细胞肺癌中肿瘤细胞PD-L1的整体表达水平较低，因此，该免疫检查点的表达不太可能对ICIs的有效性具有预测价值。 一份来自不同组织的实体肿瘤患者的肿瘤材料的分析报告显示，包括8例SCLC患者在内，在KEYNOTE-028接受K药治疗的患者中，TIL标记与ORR和中位PFS相关。这种TIL标记是基于一个18个基因的RNA表达，但是由于SCLC患者数量有限，很难对这种标记在SCLC患者中的预测效用做出具体的结论。 病人数目到目前为止非常小,需要进一步的验证。 在CheckMate 032中，调使用配对的血液和预处理肿瘤样本评估TMB。全外显子组测序(WES)被用来量化TMB，<143突变为低，143 - 247突变为中等，≥248突变为高。当比较接受O药单药治疗的TMB 患者的疗效时，低(n = 42)、中(n = 44)和高(n = 47) TMB患者的ORRs分别为5%、7%和21%;PFS中位持续时间为1.3个月、1.3个月和1.4个月;OS持续时间中位数分别为3.1个月、3.9个月和5.4个月;1年PFS无法评估，分别为3%和21%;1年OS分别为22%、26%和35%。对CheckMate032的O药 1 mg/kg和ipilimumab 3 mg/kg臂的数据分析显示了类似的结果。同一TMB三分位数中，低(n = 27)、中(n = 25)和高(n = 26)的ORRs分别为22%、16%和46%;中位PFS持续时间分别为1.5个月、1.3个月和7.8个月;中位OS分别为3.4个月、3.6个月和22个月;1年PFS分别为6%、8%和30%;1年的OS分别为23%、20%和62%。来自于keynoteo -028中接受K药治疗的患者中，与Checkmate 032相似，TMB、ORR和PFS中位数之间存在统计学显著相关，但TMB与PD-L1之间的相关性有限。由于本队列中SCLC患者数量较少，因此很难从这一分析中得出TMB作为预测生物标志物的可靠结论。 在IMPower 133中，接受化疗加atezolizumab单抗的254例无肝转移的患者与仅接受化疗的患者相比，OS获益有统计学意义(中位OS分别为16.8个月和11.2个月）。III期RCT评估化疗加ipilimumab与单纯化疗对初治ES-SCLC患者的疗效时，无论是否存在肝转移，OS均未发现明显差异。CheckMate 331中，364例无肝转移的复发性SCLC亚组再次观察到，与化疗相比，O药组的OS有显著改善。免疫治疗位点一览：免疫检查点抑制剂(抗程序性细胞死亡蛋白1 (PD-1)、抗程序性细胞死亡配体1 (PD-L1)、抗细胞毒性T淋巴细胞蛋白4 (CTLA-4) 、抗-LAG3抗体、 抗-TIM3抗体),双特异性抗体(比如针对CD3 + DLL3或者PD-1加上TIM3),设计T细胞疗法(如抗-DLL3的CAR-T),肿瘤疫苗、抗增殖剂(AKT抑制剂)和DNA损伤修复疗法(ADP-ribose聚合酶(PARP)抑制剂,ATR抑制剂、WEE1抑制剂)。BiTE, bispecific T cell engager; DC, dendritic cell; TCR, T cell receptor. TMB显示出了一些作为反应率和OS的预测值的价值。分析材料(肿瘤与血液)和分析技术(WES与靶向基因检测)的差异很关键;因此，TMB仍是进一步研究的潜在预测指标。 SCLC的挑战仍然是获得足够的组织来进行实体肿瘤材料的分析。目前，其他潜在的预测生物标志物，如肿瘤基质PD-L1表达、CTCs和TIL标记，仅在一小群患者中进行了评估，因此排除了对其预测价值得出可靠结论的可能性。同样，在指导ICIs的使用时，应谨慎解释肝转移的存在或不存在，因为该预测因子的有效性仅在亚组分析中评估过。使用多参数的组合预测疗效,比如PD-L1+肿瘤突变负荷+其他有待确定因素，可能提供最好的治疗策略。 虽然在使用免疫疗法治疗SCLC患者方面取得了进展，但在确定最佳治疗策略和预测生物标志物以及为ICIs疾病进展患者制定有效的治疗策略方面仍有大量的研究工作要做。