基于突变特征的基因突变数（GMN）预测驱动基因阳性非小细胞肺癌免疫检查点抑制剂疗效：一项回顾性研究

《Respiratory Research》：Exploring a mutation-based signature to predict the benefits of immune checkpoint inhibitors in oncogene-addicted subsets of non-small cell lung cancer: a retrospective study

【编辑推荐】为解决驱动基因阳性非小细胞肺癌（NSCLC）患者免疫检查点抑制剂（ICB）疗效预测难题，研究人员开展了一项回顾性研究，构建了一种基于41个基因的突变特征（GMN）。研究发现，高GMN（GMN-H）与ICB治疗后更长的总生存期（OS）和无进展生存期（PFS）显著相关，且在KRAS、EGFR、HER2和MET突变亚组中均显示出预测潜力。该研究为精准筛选可能从免疫治疗中获益的驱动基因阳性NSCLC患者提供了新的潜在生物标志物。

　　

肺癌是全球范围内癌症相关死亡的主要原因之一，而非小细胞肺癌（NSCLC）是其最常见的病理类型。近年来，免疫检查点抑制剂（Immune Checkpoint Blockade, ICB），如PD-1/PD-L1抑制剂，彻底改变了晚期NSCLC的治疗格局，为部分患者带来了长期生存的希望。然而，并非所有患者都能从中同等获益，尤其是那些存在特定驱动基因突变（如EGFR、ALK、KRAS等）的所谓“驱动基因阳性”或“癌基因成瘾”（oncogene-addicted）NSCLC患者。这类患者通常对靶向治疗敏感，但对ICB治疗的反应却存在异质性，甚至多数研究显示疗效有限。如何在这部分患者中精准识别出可能对ICB治疗有效的亚群，成为了临床实践中的一大挑战。现有的生物标志物，如PD-L1表达水平和肿瘤突变负荷（Tumor Mutational Burden, TMB），在驱动基因阳性NSCLC中的预测价值尚不明确。因此，开发新的、有效的预测工具至关重要。

为了应对这一挑战，研究人员在《Respiratory Research》上发表了一项回顾性研究，旨在探索并验证一种基于基因突变特征的生物标志物，用于预测ICB在包括驱动基因阳性亚群在内的晚期NSCLC患者中的疗效。研究人员假设，某些特定基因的突变可能通过影响肿瘤抗原性或免疫相关通路，从而增强对ICB的反应。

为开展研究，研究人员整合了多个公共数据库（如cBioPortal、TCGA）和一个内部医院的临床队列数据。关键技术方法包括：利用公共和内部免疫治疗队列（发现队列n=350，验证队列n=144）进行回顾性分析；通过生物信息学方法筛选与ICB生存获益相关的候选基因，构建基因突变数（Gene Mutation Number, GMN）签名；使用生存分析（Kaplan-Meier曲线、Cox回归）评估GMN对总生存期（OS）和无进展生存期（PFS）的预测效能；并与TMB等已知生物标志物进行比较（C-index分析）；利用TCGA数据库的转录组数据，通过基因集富集分析（Gene Set Enrichment Analysis, GSEA）和CIBERSORT算法探索GMN相关的潜在生物学机制（如信号通路、免疫细胞浸润）。

Identification and validation of the mutation-based signature

研究人员首先在包含350名NSCLC患者的发现队列中，筛选出41个其突变与ICB治疗后更好生存结局相关的基因，从而构建了突变特征。他们将GMN定义为这41个基因中非同义突变的总数，并确定最佳截断值为3，将患者分为GMN高（GMN-H，GMN≥3）和GMN低（GMN-L，GMN<3）两组。结果发现，在发现队列中，GMN-H组患者的总生存期（OS）和无进展生存期（PFS）均显著长于GMN-L组（OS: HR=0.23, P<0.001；PFS: HR=0.43, P<0.001）。这一预测效力在一个独立的包含144名患者的验证队列中得到了证实（PFS: HR=0.41, P=0.0011）。此外，GMN-H组患者的客观缓解率（ORR）和持久临床获益率（DCB）也显著高于GMN-L组。

Comparison of predictive efficacy between the signature, individual gene mutations, and TMB

研究进一步比较了GMN签名与已知的单个突变基因（如TP53、KRAS、STK11）以及TMB的预测能力。结果显示，GMN的C-index（0.77）高于任何单个基因突变，表明其预测性能更优。虽然TMB-H（TMB≥10）也与更好的OS相关，但分层分析表明，即使在TMB-L的患者中，GMN-H仍能识别出具有生存优势的亚组。GMN的预测效力在发现和验证队列中均不劣于TMB。

GMN was not a prognostic factor in the non-ICB-treated cohort

为了确认GMN的预测作用并非源于其本身的预后价值，研究人员在未接受ICB治疗的TCGA队列和另一个晚期癌症队列中进行了分析。结果发现，GMN-H与GMN-L患者的生存期并无显著差异，表明GMN是ICB疗效的预测性生物标志物，而非普遍性预后标志物。

The mutation-based signature predicted immunotherapy outcomes in oncogene-addicted NSCLC

研究的核心发现在于GMN签名在驱动基因阳性NSCLC中的应用。分析显示，在KRAS突变患者中，GMN-H组显示出显著的OS和PFS获益。在EGFR、HER2或MET突变患者中，GMN-H组也呈现出生存改善的趋势，尽管部分结果因样本量小而未达到统计学显著性。然而，在BRAF突变患者中，未观察到GMN的预测作用。

The signature predicts immunotherapy outcomes in different KRAS- or EGFR-mutant NSCLC

研究人员还深入分析了不同KRAS（如G12C, G12V）和EGFR（如L858R, E746-A750del）突变亚型。结果显示，GMN-H在KRAS^G12C和KRAS^G12V突变亚型中均能预测更好的ICB疗效。在EGFR突变亚型中，也观察到了GMN-H组生存期延长的趋势。

Validation of the signature in both non-mutant and oncogene-mutant NSCLC patients in an in-house cohort

利用内部医院的真实世界数据进行的验证进一步支持了上述发现。在野生型、KRAS突变和EGFR突变的NSCLC患者中，调整截断值后，GMN-H组均显示出更优OS的趋势，增强了该签名临床应用的潜力。

Potential mechanisms associated with the signature in predicting ICB treatment efficacy

机制探索表明，GMN-H肿瘤具有更高的肿瘤新抗原负荷。GSEA分析揭示，Wnt信号通路、MAPK信号通路和错配修复通路等在GMN-H组中显著富集。此外，CIBERSORT分析显示GMN-H肿瘤内CD8⁺ T细胞浸润更多，而Treg细胞浸润更少，提示其具有“免疫炎症”型的肿瘤微环境。

讨论与结论

本研究成功构建并验证了一个包含41个基因的突变特征GMN，证明其能够有效预测晚期NSCLC患者（包括驱动基因阳性亚群）接受ICB治疗的生存获益。GMN的预测效力优于单个基因突变，且不劣于甚至在某些情况下可能优于TMB。更重要的是，该签名在KRAS、EGFR、HER2和MET等驱动基因突变患者中展现出应用前景，为这部分传统上认为ICB疗效不佳的患者提供了新的希望。机制上，GMN-H可能与更高的肿瘤免疫原性、特定的信号通路激活以及更有利的肿瘤免疫微环境有关。

该研究的局限性在于其回顾性设计，部分驱动基因亚组样本量较小，且基因列表的生物学机制尚需实验进一步验证。尽管如此，GMN作为一种基于有限基因panel的简单指标，具有潜在的临床转化价值。未来需要通过前瞻性研究加以验证，并探索其与其他生物标志物（如PD-L1）联合应用的潜力，以期为NSCLC的个体化免疫治疗提供更精准的决策工具。