同样的多组学队列，你发NC，而别人发NG

研究背景

PD-1/PD-L1 抑制剂在晚期非小细胞肺癌 （NSCLC） 治疗有较好的疗效，但仅在五分之一的未经选择的患者中观察到反应，需要改进反应预测因子来确定最有可能获益的患者。

研究方法

• 患者和样本：Stand Up To Cancer-Mark Foundation （SU2C-MARK） NSCLC 队列，该数据集包含 393 名在晚期接受免疫检查点抑制剂抗 PD（L）1 治疗的患者。共有 182 例患者为男性，207 例患者为女性。

• WES测序：肿瘤样本为 FFPE样本，共 309名患者进行 WES，配对正常血液或者癌旁组织作为对照，Illumina 的 TruSeq DNA 外显子组试剂盒，在HiSeq2500 进行 双端测序，读长 76 bp。肿瘤和正常样本的平均覆盖深度分别为 150× 和 80×。

• 体细胞突变分析：采用的是 BWA 比对到参考基因组 hg19，Mutect2 和 Strelka 合并call somatic mutation，然后进行 TMB 定量和SignatureAnalyzer突变特征分析，肿瘤新抗原Neoantigen预测，拷贝数变异采用 GATK的 CNV流程，并用 GISTIC2 鉴定显著或复发拷贝数事件。ABSOLUTE 评估肿瘤纯度和肿瘤倍性，PhylogicNDT 推断亚克隆进化。

• RNAseq：共 152名患者进行了 RNAseq，采用的是 GTEx RNA-seq pipeline，然后进行limma差异分析和fgsea基因集富集分析

研究结果

• 突变图谱：根据临床治疗信息，可以将患者的治疗结果 BOR 分为3组：PR/CR、SD、PD，非同义 TMB 中PR/CR 患者的中位 TMB 为 14.0 mut/MB，而 SD 为 9.0 mut/MB，PD 为 7.4 mut/MB，同时结果反映出来EGFR 突变，或者 KRAS/STK11 突变是检查点阻断反应的负面预测因子。

• 驱动因素分析：研究团队使用 logistic 回归，检验了 49 个已知的肺癌驱动因素与治疗反应（即 CR/PR 与 SD/PD）之间的关系，共发现了 6 个基因显著或者接近显著，即分别定义为 10% 或 25% 的错误发现率 （FDR） 阈值。ATM 突变最有利于检查点阻断反应 ，而 EGFR 突变最不利 （Fig1d），而拷贝数变异事件有 5p15.33 （含 TERT基因）拷贝数扩增具有显著性（Fig1e）：

• 新抗原分析：研究团队做了肿瘤新抗原Neoantigen预测，并计算新抗原负荷与治疗反应之间的关系，结果表明总新抗原负荷和克隆新抗原负荷与反应显著相关，同时，吸烟、年龄、APOBEC 相关的突变特征，也与治疗反应相关。

• 转录组分析：将 PR/CR 和 SD/PD 组进行差异分析，使用的 limma 包方法，发现了3个显著性差异基因：PSME1、PSME2 和 PSMB9，GSEA显示相关通路包括 ALLOGRAFTREJECTION、 INTERFERONGAMMARESPONSE 和 DNAREPAIR，这些差异基因和基因集表明免疫和非免疫成分与检查点阻断的生物学相关性。

• 综合多组学分析：研究团队基于基因组（WES）数据的突变结果，和RNAseq的差异基因，富集通路，以及相关文献报导的相关特征，整合生成一个相关性矩阵，聚类后发现3个强相关模块，每个子集内具有一致的响应关联。第一个相关块 （C1） 似乎反映了经典的“伤口愈合”微环境，包括免疫抑制髓系和基质特征。第二个相关块 （C2） 反映了与“免疫激活/耗竭”相关的更经典的细胞因子和免疫环境，包括浸润免疫特征和蛋白酶体亚基。第三个相关块 （C3） 由与突变负荷相关的特征组成，大概是新抗原丰度和随之而来的增强免疫识别的所有代理。

总结

该研究基于SU2C-MARK 队列的WES和RNAseq 和免疫治疗临床信息，确定了与分子特征和治疗结果相关的多种因素，包括有利的（例如ATM基因突变）和不利的（例如TERT基因扩增）基因组亚群。发现免疫蛋白酶体的诱导组分表达与免疫治疗反应之间存在显著关联。识别了一种去分化的肿瘤内在亚型，这种亚型对检查点阻断有增强的反应。强调NSCLC中对免疫检查点阻断反应的生物学决定因素的复杂性，为NSCLC的免疫治疗提供了新的见解，并可能有助于开发新的生物标志物和治疗策略。