Fuzje genowe i limfocyty B jako biomarkery odpowiedzi na nivolumab

Rak jajnika pozostaje wiodącą przyczyną zgonów wśród nowotworów ginekologicznych, powodując rocznie około 140 000 zgonów na świecie. Mimo że inhibitory punktu kontrolnego PD-1, takie jak nivolumab, wykazały skuteczność w wielu typach nowotworów, ich zastosowanie w raku jajnika pozostaje ograniczone z powodu braku wiarygodnych biomarkerów predykcyjnych. Wcześniejsze badanie fazy II z udziałem 20 pacjentek z nawrotowym rakiem jajnika opornym na platynę wykazało 15% całkowitej odpowiedzi obiektywnej (ORR), w tym dwie całkowite remisje (CR), oraz 45% kontroli choroby. Jednak pytanie, które pacjentki odniosą korzyść z immunoterapii, wciąż pozostaje bez odpowiedzi.

Japońscy badacze z Kyoto University Hospital podjęli się identyfikacji potencjalnych biomarkerów predykcyjnych odpowiedzi na nivolumab, analizując zarówno komórki jednojądrowe krwi obwodowej (PBMC), jak i utrwalone w formalinie, zatopione w parafinie (FFPE) tkanki guza. Wykorzystując nienadzorowaną analizę skupień profili transkryptomu PBMC, zespół skierował swoją uwagę na repertuar limfocytów B – a nie T – jako potencjalny predyktor odpowiedzi na terapię anty-PD-1.

Jak przeprowadzono analizę biomarkerów u pacjentek z rakiem jajnika?

Do badania włączono 19 pacjentek z rakiem jajnika opornym na platynę, które otrzymywały nivolumab w ramach badania klinicznego fazy II (UMIN000005714). Próbki krwi pobierano w trzech punktach czasowych: przed leczeniem, 14 dni po rozpoczęciu terapii oraz podczas kolejnej wizyty kontrolnej. Z izolowanych PBMC ekstrahowano całkowity RNA, który następnie poddawano analizie ekspresji genów za pomocą mikromacierzy Affymetrix U133 Plus 2.0.

Kluczowym elementem metodyki było obliczenie stosunku ekspresji genów po leczeniu do ekspresji przed leczeniem. Wartość >1,0 oznaczała wzrost ekspresji, a <1,0 – jej spadek. Badacze przeprowadzili również sekwencjonowanie nowej generacji (NGS) repertuarów receptorów komórek T (TCR) i receptorów komórek B (BCR), koncentrując się na łańcuchach TRA, TRB oraz immunoglobulinach IgG i IgM.

Tkanki guza poddano sekwencjonowaniu RNA z wykorzystaniem platformy Illumina NextSeq 500, ze szczególnym naciskiem na detekcję genów fuzyjnych. Fuzje te – powstałe w wyniku przearanżowań genomowych – mogą generować neoantygeny rozpoznawane przez układ odpornościowy. Odpowiedź kliniczną oceniano zgodnie z kryteriami RECIST 1.1, klasyfikując pacjentki jako: CR (n=2), PR (n=1), SD (n=6), SD-CR (n=1, specjalna kategoria dla pacjentki z całkowitą eliminacją pierwotnej zmiany, ale z przerzutami para-aortalnymi) oraz PD (n=10).

Czy wczesna aktywacja limfocytów B przewiduje odpowiedź na immunoterapię?

Analiza ekspresji genów w PBMC wykazała istotne różnice między responderkami (CR, PR, SD) a non-responderkami (PD). Markery limfocytów B – CD24 i CD79B – wykazały znacząco wyższe stosunki post/pre-treatment u responderek (p=0,017 dla obu markerów). Co ciekawe, marker makrofagów M2 (immunosupresyjnych) – CD163 – był istotnie obniżony u responderek (p=0,017), co sugeruje zmniejszoną aktywność komórek szpikowych o działaniu immunosupresyjnym.

Markery limfocytów T (CD4, CD8A, CD8B) oraz marker limfocytów T regulatorowych (FOXP3) nie wykazały istotnych różnic między grupami. To odkrycie skierowało uwagę badaczy na repertuar limfocytów B jako potencjalny biomarker predykcyjny.

Analiza repertuaru BCR ujawniła, że super-responderki (CR, PR, SD-CR; n=4) wykazywały znacząco niższe stosunki różnorodności IgG (indeks Shannon-Weaver) w porównaniu do słabych responderek (SD, PD; n=15) (p=0,013). Ten spadek różnorodności odzwierciedla oligoklonalną ekspansję – zjawisko, w którym specyficzne klony limfocytów B ulegają selekcyjnemu namnażaniu w odpowiedzi na antygeny nowotworowe.

„Nasze wyniki sugerują, że wczesna aktywacja limfocytów B około 2 tygodni po podaniu nivolumab może służyć jako wczesny biomarker predykcyjny korzyści klinicznej” – piszą autorzy badania.

Szczegółowa analiza longitudinalna repertuaru IgG u czterech super-responderek wykazała dramatyczną ekspansję specyficznych klonów w ciągu pierwszych 100 dni po leczeniu. Na przykład, u pacjentki 14 (CR) klon IGHV3-7–IGHJ4 zwiększył się z 2,43% do 17,50% (ekspansja 7,2-krotna), a klon IGHV3-74–IGHJ4 wzrósł z 1,18% do 16,88% (ekspansja 14,3-krotna) w 19. dniu po rozpoczęciu terapii. U pacjentki 6 (SD-CR) obserwowano wręcz 64-krotną ekspansję klonu IGHV3-15–IGHJ6.

Czy liczba fuzji genowych w guzie determinuje odpowiedź na nivolumab?

Analiza RNA-seq tkanek FFPE przyniosła najbardziej zaskakujące odkrycie: liczba fuzji genowych silnie korelowała z odpowiedzią na nivolumab. Fuzje genowe – powstające w wyniku przearanżowań chromosomalnych – mogą tworzyć białka fuzyjne działające jako neoantygeny, które są rozpoznawane przez układ odpornościowy.

Analiza krzywej ROC wykazała, że obecność co najmniej dwóch fuzji genowych w guzie stanowi optymalny punkt odcięcia dla przewidywania odpowiedzi (AUC=0,914; 95% CI: 0,745–1,000). Czułość tego testu wyniosła 85,7%, a swoistość 100%. Wszystkie pacjentki z ≥2 fuzjami genowymi (n=6) były klinicznymi responderkami, podczas gdy większość pacjentek z <2 fuzjami (8/10) nie odpowiedziała na leczenie (p=0,0006, test dokładny Fishera).

Responderki miały średnio 6,3 fuzji genowych (zakres: 0–15), podczas gdy non-responderki tylko 0,2 (zakres: 0–1). Pacjentka z PR wykazała najwyższą liczbę – 15 fuzji genowych, natomiast obie pacjentki z CR miały po 5 fuzji. Co istotne, spośród non-responderek tylko dwie miały pojedyncze fuzje genowe, a pozostałe osiem – żadnej.

Badacze zidentyfikowali kilka nawracających fuzji występujących u różnych pacjentek, takich jak IGLV2-14-IGLL5 (u pacjentek 11 [CR] i 6 [SD-CR]) oraz GRIP1-ENSG00000256248 (u pacjentek 11 [CR], 7 [SD] i 13 [SD]). Autentyczność wykrytych fuzji potwierdzono za pomocą RT-PCR i sekwencjonowania Sangera – 69% kandydatów zostało w pełni lub częściowo zwalidowanych.

Jakie mechanizmy immunologiczne wiążą się z odpowiedzią na nivolumab?

Analiza szlaków biologicznych (KEGG, GO, Reactome) ujawniła znaczące wzbogacenie w procesy związane z odpowiedzią immunologiczną. Zarówno geny różnicowo wyrażone u responderek, jak i geny pozytywnie skorelowane z liczbą fuzji genowych wskazywały na te same szlaki immunologiczne.

Analiza KEGG zidentyfikowała wzbogacenie w szlaki: interakcje cytokin z ich receptorami, reumatoidalne zapalenie stawów (szlak związany z przewlekłym stanem zapalnym) oraz cząsteczki adhezyjne komórek. Analiza GO wykazała istotne procesy biologiczne, takie jak odporność zależna od leukocytów, adhezja międzykomórkowa leukocytów oraz regulacja procesów efektorowych układu odpornościowego.

Analiza Reactome dodatkowo potwierdziła te ustalenia, wskazując na degranulację neutrofilów, interakcje immunoregulacyjne między komórkami limfoidalnymi i nielimfoidalnymi oraz sygnalizację interleukiny-10. Niezwykła zgodność między analizą różnicowej ekspresji genów a analizą korelacji z liczbą fuzji genowych sugeruje, że guzy z wyższą liczbą fuzji genowych mają wrodzoną większą immunogenność, prawdopodobnie dzięki generowaniu nowych epitopów rozpoznawanych przez układ odpornościowy.

Walidacja krzyżowa z wcześniejszymi danymi mikromacierzy genowych z tej samej grupy pacjentek wykazała, że 8 genów było konsekwentnie podwyższonych u pacjentek z CR na obu platformach (BAIAP2L2, EEF1A2, EPHA7, HNF1B, MMP24, PTHLH, SAA2, VNN1) (test hipergeometryczny, p=1,97×10⁻¹²), co potwierdza spójność wyników.

Czy analiza AI mikrośrodowiska guza wspiera te odkrycia?

Badacze wykorzystali platformę opartą na sztucznej inteligencji – DeepPathFinder™ – do automatycznej segmentacji i kwantyfikacji komórek w barwionych hematoksyliną i eozyną (H&E) całych skrawkach guza. Narzędzie to automatycznie wykonuje segmentację tkanek (nabłonek guza, zrąb, martwica) oraz segmentację komórek (limfocyty, fibroblasty, inne komórki immunologiczne).

Responderki wykazały 2,5-krotnie wyższą gęstość limfocytów wewnątrzguzowych w porównaniu do non-responderek (0,00186 vs 0,00074; p=0,142), chociaż różnica nie osiągnęła istotności statystycznej. Odwrotnie, gęstość fibroblastów wewnątrzguzowych była 3,2-krotnie niższa u responderek (0,00073 vs 0,00236; p=0,108).

Nienadzorowana analiza skupień hierarchicznych, łącząca gęstości limfocytów i fibroblastów w guzie i zrębie, zidentyfikowała dwa wyraźne klastry: jeden charakteryzujący się wyższą gęstością fibroblastów (6 non-responderek, 1 responderka) oraz drugi z niższą gęstością fibroblastów (2 non-responderki, 5 responderek) (test dokładny Fishera: p=0,103; iloraz szans=15,00). To sugeruje, że wielowymiarowa ocena biomarkerów mikrośrodowiska guza może mieć wartość predykcyjną.

Co te odkrycia oznaczają dla praktyki klinicznej w onkologii ginekologicznej?

Badanie dostarcza pierwszych dowodów na to, że liczba fuzji genowych w guzie może służyć jako silny predyktor odpowiedzi na nivolumab u pacjentek z rakiem jajnika opornym na platynę. W przeciwieństwie do wcześniejszych biomarkerów, takich jak obciążenie mutacyjne guza (TMB) czy niedobór naprawy błędnie sparowanych zasad (MMR), które mają ograniczoną wartość predykcyjną w raku jajnika, fuzje genowe mogą stanowić bardziej istotne źródło immunogennych neoantygenów w tym typie nowotworu.

Wczesna aktywacja limfocytów B – obserwowana już 14 dni po rozpoczęciu terapii – oferuje dodatkowy, dynamiczny biomarker, który mógłby być monitorowany podczas leczenia. Charakterystyczny wzorzec oligoklonalnej ekspansji IgG (spadek różnorodności w ciągu 60–100 dni, a następnie powrót do wartości wyjściowych) jest zgodny z obserwacjami z badań nad szczepionkami wirusowymi, gdzie silne odpowiedzi limfocytów B pojawiają się 7–14 dni po stymulacji antygenowej.

„Integracja dynamiki repertuaru limfocytów B, obciążenia fuzjami genowymi oraz markerów aktywacji immunologicznej może zapewnić wielowymiarowe podejście do przewidywania odpowiedzi na nivolumab u pacjentek z rakiem jajnika” – konkludują autorzy.

Niemniej, badanie ma istotne ograniczenia. Mała liczebność próby (n=19 dla PBMC; n=17 dla FFPE) ogranicza moc statystyczną i uniemożliwia identyfikację specyficznych nawracających partnerów fuzyjnych. Ponadto, znaczna heterogeniczność fuzji genowych sugeruje, że są to mutacje pasywne, a nie onkogenne, co wymaga dalszych badań mechanistycznych. Badacze podkreślają, że ich hipotezy wymagają walidacji w większych grupach, szczególnie w kontekście badań klinicznych fazy III, zanim będą mogły być wdrożone do praktyki klinicznej.

Jakie praktyczne kroki mogą podjąć onkolodzy ginekologiczni?

Dla onkologów klinicznych zajmujących się rakiem jajnika, wyniki tego badania sugerują kilka potencjalnych kierunków działania. Po pierwsze, oznaczanie liczby fuzji genowych za pomocą sekwencjonowania RNA z tkanek FFPE mogłoby pomóc w identyfikacji pacjentek, które najprawdopodobniej odniosą korzyść z immunoterapii. Próg ≥2 fuzji genowych wykazał 100% swoistość w przewidywaniu odpowiedzi, co czyni go obiecującym narzędziem selekcyjnym.

Po drugie, monitorowanie markerów aktywacji limfocytów B (CD24, CD79B) oraz markera immunosupresji (CD163) w PBMC 14 dni po rozpoczęciu terapii mogłoby służyć jako wczesny wskaźnik odpowiedzi. Ten dynamiczny biomarker mógłby pomóc w wczesnej identyfikacji non-responderek, umożliwiając szybką zmianę strategii terapeutycznej.

Po trzecie, analiza repertuaru IgG – choć bardziej zaawansowana technicznie – może dostarczyć dodatkowych informacji prognostycznych. Charakterystyczny wzorzec oligoklonalnej ekspansji (spadek różnorodności, a następnie jej przywrócenie) może być monitorowany w czasie, aby ocenić trwałość odpowiedzi immunologicznej.

Warto jednak pamiętać, że wszystkie te biomarkery wymagają walidacji w większych, prospektywnych badaniach klinicznych. Obecne wyniki stanowią hipotezę generującą dowody, która powinna być testowana w kontekście badań fazy III przed rutynowym zastosowaniem klinicznym. Ponadto, wymagania technologiczne (NGS, analiza mikromacierzy, sekwencjonowanie repertuarów immunologicznych) mogą stanowić barierę dla szerokiego wdrożenia w praktyce klinicznej.

Czy fuzje genowe i aktywacja limfocytów B zmienią podejście do immunoterapii raka jajnika?

Badanie japońskich naukowców dostarcza pierwszych przekonujących dowodów na to, że liczba fuzji genowych w guzie może być silnym predyktorem odpowiedzi na nivolumab u pacjentek z rakiem jajnika opornym na platynę. Obecność co najmniej dwóch fuzji genowych wiązała się ze 100% swoistością przewidywania odpowiedzi (AUC=0,914; p=0,0006). Równolegle, wczesna aktywacja limfocytów B – obserwowana już 14 dni po rozpoczęciu terapii – oraz charakterystyczny wzorzec oligoklonalnej ekspansji IgG mogą służyć jako dynamiczne biomarkery predykcyjne.

Te odkrycia sugerują, że guzy z wyższą liczbą fuzji genowych mają wrodzoną większą immunogenność, prawdopodobnie dzięki generowaniu różnorodnych neoepitopów rozpoznawanych przez układ odpornościowy. Integracja oznaczeń fuzji genowych, monitorowania aktywacji limfocytów B oraz analizy mikrośrodowiska guza za pomocą AI może zapewnić wielowymiarowe podejście do personalizacji immunoterapii w raku jajnika. Niemniej, te obiecujące wyniki wymagają walidacji w większych grupach oraz w kontekście badań klinicznych fazy III, zanim będą mogły być wdrożone do rutynowej praktyki klinicznej.