专家访谈丨黄鼎智教授：NSCLC免疫治疗的生物标志物：TMB
导读
自肿瘤进入免疫治疗时代以来，生物标志物的探寻一直是重中之重，它可以帮助临床治疗决策，选择免疫治疗的优势人群。CheckMate 026的事后回顾性分析证实了TMB的疗效预测作用，而今年AACR公布的CheckMate 227首次前瞻性地证实了TMB的预测价值，无论PD-L1表达与否、鳞癌还是非鳞癌，TMB较高NSCLC患者一线使用nivolumab联合ipilimumab的1年PFS是化疗的3倍。
那么，还有哪些研究证实了TMB与免疫治疗疗效的相关性？TMB可以预测疗效的机制是什么？它是否可以与PD-L1一起联合预测免疫治疗的疗效？影响TMB的因素又有哪些？目前TMB应用起来是否存在挑战？
医脉通就以上问题，特意采访了天津医科大学肿瘤医院黄鼎智教授，以便读者进一步了解NSCLC 免疫治疗biomarker：TMB。
黄鼎智 教授
主任医师、博士生导师
天津医科大学肿瘤医院肺部肿瘤内科 主任
天津医科大学肿瘤医院伦理委员会办公室主任
中国抗癌协会化疗专业委员会第一届青年委员会副主任委员
中国抗癌协会肺癌专业委员会委员
中国抗癌协会精准治疗专业委员会委员
天津市抗癌协会靶向治疗专业委员会常委
中华医学会天津市内科学分会委员
天津市医学会内科学分会委员
CSCO会员
医脉通：黄主任您好，2018AACR公布的CheckMate 227研究指出，TMB是NSCLC IO治疗的潜在biomarker。那么，能请您总结一下，目前已经证实TMB与免疫治疗NSCLC疗效相关的大型临床研究吗？
黄鼎智主任：免疫治疗现在是非常火热的一个治疗方式，而且也展示了非常好的前景，现在探讨免疫治疗的疗效预测biomarker是研究的焦点。在过去，其实我们已经看到了不少的研究，提示TMB可能对疗效预测是有帮助的。在今年的AACR大会上，我们看到的最新这几项研究再次证实了这一点。
首先，我们看一个重磅的研究—CheckMate 227研究，在这个研究里面有一个非常抢眼的亮点，它是预设了TMB作为一个biomarker的，过去的研究都是回顾性的研究，这就更有说服力了。
这个研究里面，我们可以看到，在预设的分层分析里面，当TMB≥10个突变的这个情况下，就是高突变负荷的这组人群，一年的PFS，化疗是13%，但是免疫联合治疗组是43%，它的HR也是非常的漂亮，达到了0.58，这的确显示了TMB对免疫治疗疗效的预测作用。在大会的幻灯里面并没有公布TMB低的患者的获益具体数字，但是同步发表在《新英格兰杂志》的全文里面，我们可以看到，TMB低的这群人实际上免疫治疗的效果并不好，甚至在绝对值上还低于化疗组的数据。所以，在今年的研究里面，CheckMate 227是再次证实了TMB的预测价值，而且比以前的回顾性研究会更有说服力。
图1. CheckMate 227研究-a：高TMB患者PFS获益明显；b：低TMB患者无PFS获益
同样，我们也回头看一下过去的CheckMate 026研究，它是针对的是一线治疗的病人，但当时最初的疗效预测biomarker设定的是PD-L1，很遗憾，用PD-L1作为预测的biomarker的时候，我们没有看到生存的提高，即便是在后来做了事后分析，把PD-L1的表达量cut-off值设定在50%以上，仍然没有带来生存的获益。
CheckMate 026研究后来做的追加分析，改变了biomarker，是用TMB作为一个疗效的预测biomarker，并且采用的是全外显子的检测，按照全外设定为高突变负荷是243个mutation，在这样的分层之下，我们可以看到生存的获益，而且HR是下降到了0.62，所以CheckMate 026的研究，当时也是引起了很大的影响，大家第一次认为TMB可能是更好的biomarker。
图2. CheckMate 026研究-免疫治疗疗效与TMB成正相关
在过去的回顾性分析—POPLAR研究、OAK研究同样也展示了，TMB对免疫治疗的疗效是有一个预测作用的。但是，我们必须强调的是， CheckMate 227还有今年的CheckMate 568这两个研究，前瞻性地预设了TMB，拿出来的结论和数据会更有说服力。
医脉通：黄主任，那您觉得，之所以TMB高的肿瘤免疫治疗效果比较好，可能的机制是什么？
黄鼎智主任：首先我们要了解什么叫做TMB，因为肿瘤突变负荷，实际上指的就是对每一份肿瘤样本，测定基因组剔除了胚系突变的，剩下来的体系突变的突变数量，而且指的是每百万碱基里所包含的体细胞突变的数量，这就是我们现在通用的TMB的定义。
TMB意味着什么呢？我们的基因，我们的DNA在物理或者化学诱变剂的作用之下可能发生突变，这些突变最终会改变mRNA，就是我们说的信使RNA，导致最终蛋白或多肽会产生一些变化，这些新产生变化的蛋白和多肽有可能被机体的免疫系统认定为一个异己或者非己的蛋白或者抗原，这就是我们说的所谓的新抗原。面对一个异己或者非己的东西，免疫系统会对它产生免疫反应和攻击。这就是TMB或者新抗原为什么会产生免疫效应，而免疫治疗为什么会在这样的人群产生效果，这是一个很重要的理论基础。
还有一个很重要的点，就是TMB涉及到高负荷还是低负荷的问题，很简单一个逻辑，当突变的频率和数量很高很大的时候，不可避免的产生新抗原的数量和频率就会大大的增加，当非己抗原或者新抗原增加得越明显，免疫应答可能就会越强烈，也就是说免疫原性会更强烈，这是很重要的一点，但它也不是完全依赖于数量。我们知道免疫原性的强弱还跟抗原，或者我们说的非己的蛋白和多肽，它本身的抗原性质也有关系，它的强弱也取决于它的抗原性质本身。所以，还有很多的地方值得探讨。
但在过去，至少在2013年，《Nature》杂志发表的这篇文章还是很有影响力的，文章把各个瘤谱、不同的病种的突变频率做了一个梳理，我们看到突变负荷最高的、第一位的是黑色素瘤，再接下来是肺癌里边的鳞癌、还有腺癌。恰恰好，我们在临床实验或者临床实践中看到的就是这三种肿瘤的效果特别显著，也就是反过来再次验证了我们刚刚说的，为什么突变负荷越高，有可能在免疫治疗会带来越好的治疗疗效。
图3. 不同的瘤种的突变频率
医脉通：黄主任，TMB和PD-L1表达均是较明确的免疫治疗NSCLC的biomarker，两者之间是否会相互影响？将两者联合是否有产生协同预测作用？
黄鼎智主任：这是一个非常有意思的问题，因为免疫治疗的 biomarker一直在探讨，在过去做了很多的研究和探讨，尤其是PD-L1，而且在过去的研究里面，的确是看到了PD-L1对免疫治疗的疗效和应答程度是有一定的提示作用，是有指导价值的，但我们一直对它不是特别满意。
是因为在一些研究里面，比如说CheckMate 057或者KeyNote 010，或者OAK研究，我们看到了PD-L1的表达的确是跟免疫治疗的效果呈一定的正相关，同样我们也看到了在其他的研究里面，这种正相关的关系度并不是那么高，而且即便是在一些PD-L1阴性或者低表达的人群里，仍然能看到一些免疫治疗带来的不错的效果。所以，PD-L1我们承认它是有价值的，但是我们也承认它不够好。
在今年AACR公布两个研究也是很有指导意义的， CheckMate 227跟CheckMate 568这两个研究，再次给我们展示了一个特点，是什么呢？对免疫治疗来说，TMB也是有疗效预测价值的。TMB也好，PD-L1也好，都有预测价值，但是TMB的负荷跟PD-L1的表达高低并没有什么密切的关系，这跟以前的研究，包括CheckMate 026还有POPLAR还有OAK研究的结论是一致的。
两个biomarker有一定的预测价值，但是它们放在一起是不是会产生协同效应？我们不妨来看看今年的这两项研究，第一个是CheckMate 227这个研究，我们先看亚组，就是高突变负荷的，TMB≥10（mut/mb）的这组患者，在这组人群里面我们刚才已经说了，化疗组一年的PFS率是13%，免疫联合治疗组一年的PFS是43%，HR是0.58，如果PD-L1跟它TMB有协同的时候，意味着我们把PD-L1这个指标拉进来的时候，同时高突变负荷、PD-L1的表达超过1%，TMB突变负荷高及PD-L1表达更高的人群，应该带来预测效果会更好，但实际上是怎么样呢？我们在研究里看到，当把这两个指标放在一起的时候，化疗组一年的PFS是16%，免疫联合组一年的PFS 42%，HR是0.62，跟高TMB+PD-L1阴性亚组相比没有任何的提高，这是第一个。
图4. CheckMate 227研究-a：高TMB+PD-L1阴性PFS获益；b：高TMB+PD-L1阳性患者的PFS获益
第二个， CheckMate 568这个研究，我们也看到，在这个研究里面，两个指标单独来看都有预测价值，PD-L1的高表达，TMB突变负荷比较高的时候， response rate都可以超过40%，而且非常接近。当它们两个都是低表达，PD-L1＜1%，或者TMB数量＜10mut/mb的时候，response rate是15%左右，非常相似。
在这个时候，把它们两个合在一起会不会有协同效应？单独看TMB≥10mut/mb这种所谓高突变负荷的人群，他的response rate是多少呢？也是超过40%，当把PD-L1加进来的时候response rate是多少？42%。
但如果是TMB高，同时PD-L1＜1%的时候，会不会降低response rate？没有，我们看到了一个更高的绝对值，47%的response rate。所以说，这两个研究强有力的提示了一点，尽管这两个指标单独来看，都有疗效的预测价值，但是放在一起的时候，并没有产生协同效应，带来一个更好、更强的疗效预测价值。
医脉通：黄主任，那您觉得，TMB的可能影响因素有哪些？
黄鼎智主任：TMB的影响因素，第一个影响肯定无外乎来自于检测手段。现在我们知道TMB的检测手段并不统一，有做全外显子检测的、也有做设定基因数的一个相对大Panel的检测，这两种检测水平手段是不一样的，然后，在不同的研究，面对不同的免疫治疗药物，他们所设定的cut-off值也不一样，到底哪一个才是真正的，最终的标准在哪里？还需要进一步的探讨，这是第一个可能影响TMB的因素。
第二个，我们在以往的研究里面其实也发现了一种规律和现象，就是什么样的人群TMB高，什么样的人群TMB低呢？比如说，肺癌里面EGFR、ALK这种所谓的“黄金”突变或者“钻石”突变的人群里面，TMB的突变负荷是低的，也就是现在业界已经逐渐发现了一个基本的或者普遍存在的现象，就是存在一个主干的驱动基因突变的肺癌患者，他的TMB负荷往往是低的，这也就是为什么我们现在看到了很多研究展示的数据和结果，驱动基因阳性的人群，反而免疫治疗效果不好，这就是大家目前比较认可的一个解释。
当然，还有其他影响肿瘤突变负荷的一些基因方面的问题，我们知道，基因出错一定要有个纠错的机制，如果这个错误不能纠正回来，那突变频率和数量就会越来越高，比如错配修复基因系统出了问题，或者是说其他的基因修复的时候，包括POLE基因还有BRCA基因等等，这些基因出了问题，我们常常会看到TMB的负荷就会上升了，反过来TMB高会不会就意味着错配修复基因系统出了问题呢？并不能这样倒推过来。所以，从基因层面来讲，这也是常常影响TMB的突变负荷和数量的一个很重要的因素。
当然，除此之外，还有瘤种的特征，刚才我们也提到了《Nature》2013年这篇文章，展示了不同的瘤谱本身的突变负荷的频率也是不一样的。比如说，黑色素瘤是最高的，为什么最高？可能跟一些肿瘤的发病因素，包括过度的照射（紫外线照射引起的基因的突变可能会更高）有一定的相关关系。
当然，年龄可能也会有一定的相关性，一些研究发现，低龄患者的TMB的负荷相对会低一些，高龄的患者的突变负荷会高一些。这也是比较容易理解的，因为年纪越大的人，身体里面的基因每天都可能发生变化，修复系统不可避免的在长期的生存过程中，累积的犯错概率自然会增加，这也是科学逻辑上非常合理的整体的现象。
医脉通：黄主任，您认为，目前在临床工作中将TMB作为免疫治疗NSCLC的biomarker，还有哪些挑战？
黄鼎智主任：相对于其他一些biomarker来说，尤其是相对PD-L1来说，目前TMB的确在不同的研究数据和结论里面，展现了更好的一致性和共同性。对免疫治疗来说，可能是目前临床上很快能应用的上的、而且有更好指导价值的、是更好的疗效预测的biomarker。
当然，现在我们也认为TMB不是完美的，我们一直认为biomarker没有最好，只有更好。它的确还存在一些问题，第一个就是刚才我们提到的检测手段和检测标准的问题，因为现在检测手段并不完全一致，主要是包括了全外显子的检测、设定已知基因组成的相对大数量的一个Panel，通常情况下会是300-400的，目前已经获批的是Foundation One这个检测模板，这种检测技术已经跟全外显子检测技术进行匹配和验证。但是，目前很多基因检测公司都在做，都开展了TMB检测和计算，但在这里面，很多的公司和检测平台并没有经过很严格的验证，所以他们的核心计算方式，怎么来计算TMB，还有cut-off值设定在哪才是一个最佳的和稳定的，目前还不清楚，还有很长的摸索过程。而且各个平台之间最终如何来融合，达到一个相对统一的标准，我觉得还有很漫长的道路要走。
而且，现在TMB都是在计算体细胞突变的数量，但刚才我们也说了，并不是每一个体细胞的突变都意味着会产生新抗原，也并不意味着每一个新抗原都具备了同样强的免疫原性，所以有很多TMB的指标设定和计算，仍然是存在需要不断地完善和探索的地方。而且我们现在也发现，因为免疫应答是一个非常复杂的系统，大家都知道涉及到七大步骤，有很多的影响因素。现在也有研究提示，高TMB的病人如果是STK11突变的，他的免疫治疗效果其实并不好。同样的，除了这些biomarker之外，在未来探索中，我们相信还会发现很多其他影响免疫治疗疗效的biomarker。将来这些biomarker如何整合，如何形成更好的、综合的、容纳更多免疫治疗信息的biomarker，当然还需要不断地摸索和探讨。
1.癌症发病又双叒叕涨了！1990-2016全球癌症负担报告
2.PD-1/PD-L1抑制剂对转移性非透明细胞肾癌展露抗瘤活性
3.专家视角丨苏春霞教授：从NCCN最新指南看irAE的管理原则