Current Opinion in Immunology最新发表| TCR 测序作为癌症免疫治疗biomarker应用

  作者:Kroopa Joshi ,Martina Milighetti and Benjamin

Abstracts

/  摘要

T 细胞受体 (TCR) 测序已成为分析宿主-肿瘤相互作⽤的⼀项强⼤新技术。

NextGen 测序技术的进步,加上强⼤的新型⽣物信息学⼯具,可以对越来越多的各种实体癌患者的肿瘤和⾎液样本进⾏定量和可重复的表征。

在这篇综述中,我们将考虑如何从这些TCR序列中提取出综合指标(诸如T细胞克隆性和多样性),并用于深入了解免疫检查点阻断的作用机制。此外,我们还探讨了TCR共享序列分析如何能帮助定义抗肿瘤免疫反应的空间和时间上的异质性。

最后,我们总结如何分析TCR的序列和结构。无论是单个TCR还是一系列相关的TCR数据集,都可以用来注释抗原特异性,这对开发个性化的细胞免疫疗法具有重要意义。

Content

/  正文

【背景介绍】

T细胞受体 ( TCR ) 测序是一种可以表征抗肿瘤免疫反应的深度、强度和动态监测的强有力的工具。

 

二代 (NextGen) 测序技术和相关⽣物信息学流程的进步显着提⾼了TCR 库研究的灵敏度、准确性和定量限,从⽽产⽣了⼤量的出版物和相关数据集。

 

然⽽,在从TCR库的静态快照中推断动态和抗原特异性方面仍然存在重大的计算挑战。

 

在这⾥我们回顾了应⽤ TCR 库分析来跟踪宿主对免疫治疗检查点阻断的免疫反应方面的进展。在不断变化的肿瘤微环境中跟踪反应的演变和异质性,并揭示T细胞抗原特异性。

·T 细胞克隆性和多样性作为评估 TCR 对免疫检查点抑制剂反应的指标

图1:T 细胞克隆性和多样性

T细胞由彩⾊球体表⽰,每个T细胞的颜⾊代表其克隆型。在T细胞克隆性低的肿瘤样本中,任何多样性都很⾼,存在许多具有不同特异性的T细胞克隆,但没有⼀个⾮常扩增(左)。相⽐之下,在T细胞克隆性增加和T细胞多样性低的样本中,仅检测到少数T细胞克隆并且⾼度扩增(右)

在这篇综述中,我们重点关注alpha 和 beta TCRs。

 

TCR 基因是在 T 细胞分化过程中通过随机和不精确的体细胞重组短同源基因组序列集 V、D 和 J 基因⽽产⽣的。由于可能性TCR alpha/beta 异⼆聚体的总数是巨⼤的[1] ,同⼀序列很少在⼀个个体中产⽣两次,因此多次观察到的相同序列很可能是通过单个T细胞克隆的选择和增殖得到的。

 

TCR 库的总体克隆性[2] 是⼀种指标,⽤于捕获在样本中多次观察到的TCR的数量和频率,通常⽤作免疫活性的指标(图1)。

 

TCR库多样性与克隆性成反⽐,并捕获库的⼴度。⼏个⼩组研究了免疫检查点阻断对T细胞克隆性和多样性的影响。鉴于获得纵向肿瘤样本的挑战,这些研究中的⼤多数都使⽤了外周⾎采样。在膀胱癌患者中,尿液衍⽣淋巴细胞 (UDL) 可能提供⼀种额外的⾮侵⼊性 TCR 库测序⽅法[3]

 

· CTLA4抗体 对 TCR 库的影响

在晚期⿊⾊素瘤患者中,CTLA-4抗体治疗后 TCR库多样性增加[4]

 

这种增加的多样性被假设反映了新肿瘤反应性克隆的募集,正如CTLA-4治疗后新检测到的CD8+⿊⾊素瘤特异性TCR数量增加所表明的那样[5]

 

令⼈惊讶的是,对TCR库的系统影响似乎⾮常有限。也许体内达到的浓度⾜以对整个免疫系统产⽣的影响(⾎液、胸腺等)相对有限,并且仅限于调节性 T 细胞在限制免疫反应⽅⾯最活跃的地⽅(例如在肿瘤中)。

然⽽,外周⾎T细胞多样性的增加也与 CTLA-4 毒性有关,这表明检查点抑制也可能导致⾃⾝反应性T细胞的募集[6]

相⽐之下,在治疗之前[7]或之后[8]增加的库克隆性与改善 CTLA-4 治疗的反应和⽣存相关。

 

因此,TCR库分析⽀持这样⼀种观点,即强⼤的预先存在的免疫⼒,例如增加的 T 细胞克隆性,以及CTLA-4诱导的T细胞库扩⼤是提供有效免疫治疗反应的关键(图2a)。

 

· PD1抗体 对 TCR 库的影响

与 CTLA-4 相似,治疗前克隆性的增加与⿊⾊素瘤抗 PD1 治疗的临床结果改善有关[9,10]此外, PD-1 治疗后 T 细胞克隆性增加与转移性⿊⾊素瘤、NSCLC、胶质⺟细胞瘤和转移性膀胱癌的临床反应相关[9,11,12,14,17]

 

有趣的是,在“治疗中”肿瘤样本中检测到的 T 细胞克隆性增加主要是单药 PD-1 治疗的特征,⽽不是那些接受双重 PD-1/ CTLA-4 抗体治疗的特征。

 

因此, PD-1 可能有利于现有抗肿瘤 T 细胞的维持和扩增(图2a)。

 

然⽽,新型 T 的寡克隆扩增在⽤ PD-1 治疗的基底细胞癌和鳞状细胞癌中观察到细胞克隆型,这表明在某些情况下,预先存在的肿瘤浸润性淋巴细胞 (TIL) 的恢复能⼒可能有限,并且肿瘤内 T 细胞对检查点阻断的反应可能是由于最近进⼊肿瘤微环境的 T 细胞克隆的独特库集[13 ]。外周⾎中 T 细胞区室的功能异质性使迄今为⽌报道的所有研究的解释变得复杂,使⽤富含抗肿瘤 T 细胞(例如 CD8+ PD1+ )的细胞表⾯标记物对分级 T 细胞进⾏更详细的分析是⼀个领域的积极研究。 

 

然⽽,有令⼈信服的证据表明,TCR 库的克隆性和多样性反映了对检查点抑制剂的治疗反应,提供了对作⽤机制的深⼊了解,并⽀持使⽤ TCR 库分析作为分层和监测免疫治疗患者的⽣物标志物。

图2:TCR 库分析在癌症免疫学中的应⽤

a) TCR 对免疫检查点阻断的反应。 T细胞由彩⾊球体表⽰。每个 T 细胞的颜⾊代表其克隆型。图 2抗 CTLA-4 治疗与增加的 TCR 库多样性(左)相关,⽽ PD-1/PD-L1 治疗与寡克隆 T 细胞扩增相关。

b) TCR 库异质性反映肿瘤基因组异质性。T 细胞如 A 所⽰。肿瘤细胞呈星形,不同颜⾊代表基于其基因组景观的不同肿瘤亚克隆。

c) TCR 原特异性的评估。通过将功能测定与 TCR 测序相结合,TIL 可以⽤其抗原特异性进⾏注释,以进⼀步了解抗肿瘤免疫反应并为 TCR 治疗提供候选药物。已知 TIL 包括新抗原反应性 T 细胞 (NART),它对肿瘤特有的突变蛋⽩作出反应,对肿瘤相关抗原 (TAA) 具有特异性的 T 细胞和不识别肿瘤的旁观者 T 细胞。

 

· TCR 库异质性和肿瘤基因组异质性

肿瘤异质性由肿瘤进化过程中的遗传和表观遗传变化引起,是许多癌症公认的重要特征,对疾病进展有重⼤影响[14]

 

肿瘤异质性与宿主免疫的关系免疫反应是复杂的,因为免疫反应是驱动免疫进化的强⼤选择⼒,但基因组不稳定性也会产⽣新抗原,从⽽驱动具有重要临床相关性的免疫反应。例如,研究表明,克隆性⾮同义突变的⾼负担与疾病复发减少和对检查点封锁的反应改善有关。⽐较来⾃不同肿瘤样本的 TCR 库的⼀个关键混杂因素是在核酸提取、PCR 扩增和测序过程中在核酸提取、PCR扩增和测序过程中取样时产生的异质性。因此,重要的是建⽴⼀个严格的统计框架来控制抽样过程。

 

在早期 NSCLC 的背景下,我们开发了这种统计上严格的⽅法,并⽤它来定义普遍存在的 TCR,存在于整个肿瘤中,以及区域性 TCR,仅存在于肿瘤的特定区域[18]

普遍存在于肿瘤的多个区域或多个转移性病灶中的 TCR 可能代表对所有癌细胞中发现的常⻅肿瘤抗原的反应,尽管这⼀假设的直接实验证据仍然有限。由于新抗原可在肿瘤演化过程中逐步出现,因此肿瘤不同区域的新抗原数量可能存在较⼤差异。我们之前曾报道,在肿瘤的不同区域也可以观察到不同的 T 细胞克隆型,并且扩增的 T 细胞克隆中的空间异质性与空间突变异质性相关(如图2b 所⽰)。

 

这些发现,以及⼤量关于原发性肿瘤[19‒21]和转移性肿瘤[22‒24]中 TCR 异质性的进⼀步报道,⽀持了这样⼀种观点,扩大的肿瘤内T细胞克隆是由肿瘤内新抗原情形驱动的,这些情形可能是由体细胞突变和包括局灶性HLA缺失或抗原处理缺陷在内的免疫编辑所造成[15,18]

 

此外,纵向样本中库的异质性可能反映了宿主-肿瘤关系的动态变化[18]

·分配 TCR 抗原特异性的组库分析

将新抗原或肿瘤相关抗原特异性分配给 TIL 是⼀个关键领域,既可以提⾼我们对适应性抗肿瘤免疫反应的理解,也可以将这些知识转化为治疗(图2c)。

TIL 群体中序列相关 TCR 簇或⽹络的鉴定[18]提供了抗原特异性的有⼒间接证据[25] (图3a)。TCR 测序结合体外肽刺激(特定 T 细胞的突变相关新抗原功能扩展 (MANAFEST) [26]测定)和/或 MHC 肽多聚体分选[18]与单细胞RNA测序 (scRNAseq) 提供了直接探索淋巴细胞抗原特异性的有效平台。与批量测序相⽐,scRNAseq 识别 alpha/beta 基因对,因此可以更完整地表征与每个 T 细胞相关的 TCR 受体。

此外,将 TCR 测序与全局 scRNAseq 相结合,将 T 细胞受体与 T 细胞的转录状态联系起来[ 27,28,29 ]。⼤多数以这种⽅式鉴定出抗原特异性 TCR 的研究都集中在 TIL 上,因为它们可能⾼度富集了肿瘤反应性 T 细胞。然⽽,在⼀个⽰例中,TCR 库分析表明,在外周⾎中从 PD-1 阳性 T 细胞扩增的 T 细胞中检测到⼤约11% 的肿瘤驻留 T 细胞克隆[30]。因此,也可以使⽤更容易获得的外周⾎ T 细胞库进⾏抗原特异性研究。

TCR测序分析未来方向

尽管这些研究将 TCR 库测序与识别⽬标抗原的功能相结合,但通过功能⽅法对 TCR 进⾏注释,仍然极具挑战性、劳动强度⼤且成本⾼,限制了其在少数资⾦特别充⾜的研究中⼼之外的临床研究中的应⽤。

因此,⼈们对仅从序列预测单个 TCR 的肽 MHC (pMHC) 抗原特异性产⽣了浓厚的兴趣,这是⼀项极具挑战性的计算挑战。

⼏项研究[25,31,32]表明,结合相同表位的 TCR 显⽰出保守的序列基序,尤其是在 CDR3 中,即与肽表位形成最⼴泛接触的 TCR 区域[33,34]

我们和其他⼈已经使⽤各种序列相似性指标来开发 TCR 聚类算法,以深⼊了解 TCR 的抗原特异性[35‒38]。⼀旦已知簇中某些成员的抗原特异性,这是⼀种识别库中相关序列的有效⽅法(图3b)。例如,聚类算法 GLIPH2 最近已被⽤于在两个独⽴的 NSCLC 数据集中寻找 TCR 特异性组,并结合实验性抗原发现能够识别对肿瘤抗原起反应的 T 细胞[39]

编码可⽤ TCR 抗原对序列信息的更复杂的机器学习⽅法也可⽤于预测 TCR 特异性(图3c) [ 25,31,40,41,42,43 ]。⼤多数可⽤的算法都需要对现有数据集进⾏预测训练,也就是说,需要⼀组已知可识别特定表位的 TCR,才能确定新的 TCR 是否会与同⼀抗原结合。然⽽,抗原特异性相关序列往往是未知的,从⽽限制了这些的实际应⽤⽅法。

为了克服这⼀挑战,尝试对序列使用机器学习[44,45,46]算法预测未知 TCR 和抗原表位的结合概率。值得注意的是,不同的算法需要不同的输⼊:ERGO 和 ImRex 只需要 CDR3b 和肽序列;GLIPH 依赖于 CDR3b 序列和 V 基因的使⽤;当两条链都包含有关三个 CDR 区域(以及 CDR2 和 CDR3 之间的第四个区域)的信息时,TCRdist 显⽰出最佳性能。

相反,基于结构的分类器基于整个复合体的(预测的)构象的属性进⾏预测,这将取决于两个 TCR 链的序列和结构(包括 CDR 环,还包括框架特征确定循环定位)。由于配对的 ab 链对于结构⽅法是必需的,因此序列分类器更容易适⽤于不提供配对信息的 TCR seq 信息。

然⽽,需要进⼀步的⼯作来将这些计算⽅法的准确性提⾼到它们对肿瘤免疫学具有直接价值的程度。

图3:TCR-抗原配对的计算⽅法

 (a) 聚类算法。聚类算法在⼀个序列中找到序列相似的 TCR,因此可能具有抗原特异性。根据它们的序列计算每对 TCR 之间的距离度量,如果距离低于某个阈值,则将它们分配到同⼀集群

 (b) TCR 特异性簇。聚类算法的扩展是为每个簇分配特异性,即簇中的 TCR 已知可识别的肽抗原。然后可以根据从每个簇的成员计算的距离将具有未知特异性的新 TCR 分配给特异性簇 

(c) 结合概率的预测。分类器在⼀组已知的 TCR-抗原对以及⼀组已知的⾮结合物上进⾏训练。对于新的 TCR-抗原对,分类器将输出 TCR 结合特定肽的概率

Conclusions

/  总结

TCR测序正⽇益成为癌症免疫学家武器库中不可或缺的⼀部分。

随着测序成本进⼀步下降,方案变得更加标准化,计算⼯具更加可靠和方便使用,TCR测序将越来越多地在临床上得到应用,⽤于监测疾病复发和进展,评估对全⾝治疗的反应和患者分层。

然而,也许TCR分析最强大的影响将来自人工智能最新进展的应⽤,这最终将允许在抗肿瘤免疫反应的抗原与免疫组基因进行注释,这将对实体肿瘤患者的细胞疗法的开发具有重要的临床意义。

参考文献(略)

关于艾沐蒽

杭州艾沐蒽生物科技有限公司由美国芝加哥大学科研团队回国创办,是一家专注于通过解码适应性免疫系统来改变疾病的诊断和治疗,并致力于推进免疫驱动医学领域发展的国家高新技术企业。

 艾沐蒽站在适应性免疫系统研究的前沿,自主研发的免疫医学平台可揭示和翻译适应性免疫系统的遗传密码,并能应用于癌症、自身免疫性疾病、传染性疾病等免疫介导性疾病的诊断、监测和治疗中。

ImmunoDiagnostics | ImmunoMonitoring

免疫诊断 | 免疫监控

专注于免疫组高通量测序

长按关注艾沐蒽生物

 ImmuHub | Seq-MRD | Seq-SHM 

Immun-Traq| Immun-Cheq

Web:www.immuquad.com

Email:Contact@immuquad.com

Tel:0571-81061561

Address:杭州市上城区石桥路196号浙江省农创园

4号楼1层

 

点击阅读原文,了解更多有关ImmuHub®