肿瘤的免疫治疗，除了关注肿瘤细胞本身，肿瘤微环境中免疫细胞类别，数量，功能与也免疫治疗的效果息息相关。

根据免疫浸润，可将肿瘤分为三种免疫分型

1. 免疫炎症型（inflamed）：肿瘤周围有免疫细胞浸润

2. 免疫排除型（Immune exclued）：肿瘤微环境排除肿瘤浸润淋巴细胞TILs

3. 免疫沙漠型（Immune desert）：免疫细胞远离肿瘤细胞，微环境基本无免疫细胞。

 

#1

炎症型肿瘤

 

炎症型肿瘤，肿瘤细胞表达PD-L1，肿瘤微环境有较多的浸润免疫细胞，较高频率的肿瘤浸润淋巴细胞（TILs)。

炎症型肿瘤对于免疫检查点抑制剂敏感。如果肿瘤含有大量浆细胞样B细胞的病人，对于免疫检查点抑制剂治疗也是敏感的，可能机制是B细胞促进T细胞激活，存活，起到抗肿瘤免疫。

 

微卫星不稳定（MSI),肿瘤突变负荷（TMB）则增加了肿瘤抗原性，提供给免疫系统特异性的外来抗原。肿瘤早期发生的共有突变(也称克隆突变）可以诱导产生更有效的抗肿瘤T细胞反应；而之后发生的突变，可能只是存在于部分肿瘤细胞亚群（也成为亚克隆突变）。这种肿瘤抗原的识别，特别是新抗原对于抗肿瘤免疫周期是至关重要的。

TMB尤其是MSI高的肿瘤，对于免疫检查点抑制剂敏感。但是也有报道显示单纯TMB并不能很好预测免疫检查点抑制剂响应。

 

炎症型肿瘤通过促进人类白细胞抗原（HLA）位点杂合性丧失（HLA-LOH），而进行免疫编辑，使得免疫细胞丧失抗原递呈能力，从而影响T细胞活化。目前尚不清楚，不同抗原及表位对于抗原递呈的影响。据推测T细胞的免疫反应是针对各种表位的，而对特定表位的反应的相对重要性是随机的，这是由于响应的T细胞启动、激活、刺激和存活之间的时间竞争造成的。

 

在大多数癌症患者中，存在多种免疫原新抗原，并可能引起多种T细胞反应。这些T细胞反应的广度可能有助于免疫检查点抑制剂的治疗持久性。然而，考虑到肿瘤内异质性，给定的T细胞对单个新抗原的反应的重要性更难评估，这与肿瘤微环境内T细胞刺激和抑制的随机性有关。这与抗病毒T细胞免疫形成了鲜明的对比，对特定病毒表位的显性克隆T细胞反应，直到此病毒表位丢失才会停止，在此之后，可能会出现一种新的针对不同病毒表位的显性克隆T细胞反应。

 

多个临床3期的实验评价了PD-L1表达水平和免疫检查点抑制剂的治疗响应相关性（Keynote-024, Keynote-042, IMpower110,and Checkmate-227)，但也有研究认为PD-L1表达作为单一评价指标意义不大（JAMA Onco：PD-L1阳性率无法预测PD-1/PD-L1抗体药物应答率）。
 

TMB和PD-L1是独立的标记物，在患者肿瘤中不一定一致。值得注意的是，高TMB和免疫沙漠型肿瘤转移性膀胱癌患者，当有高PD-L1表达时，患者会从免疫检查点抑制剂治疗中获益。可能是因为缺少免疫压力，所以肿瘤不会通过诱导HLA丢失来进行免疫编辑，反而因为高TMB，产生高抗原递呈。泛肿瘤KEYNOTE-158试验中，观察派姆单抗(Pembrolizumab)单药治疗响应率，在高TMB（28.3%客观反应率[ORR]）和低TMB（6.5%ORR）。研究了多种典型的非炎症性癌症，包括肛门、胆道、宫颈、子宫内膜、唾液、甲状腺癌、间皮瘤和SCLC，进一步证实了这一假设。这也暗示了免疫检查点抑制剂在外围启动新的T细胞反应中的额外作用，这反过来又导致了持久的抗肿瘤免疫反应。

 

许多癌症的特点是炎症的存在，没有高的TMB。比如肾细胞癌（RCC）、肝细胞癌（HCC）、三阴性乳腺癌、胃癌，以及某些头颈部癌症。相反，小细胞肺癌（SCLC）等以高TMB为特征的肿瘤，而没有其他与炎症肿瘤相关的标记物。现在人们已经很清楚，基因组不稳定并不是肿瘤中癌症抗原的唯一来源。像透明细胞RCC，前列腺癌亚群，甚至卵巢癌，都有很高的人内源性逆转录病毒（HERVS）患病率。整合到人类基因组中的HERVS在正常细胞中基本上是沉默的，但在癌症中会变得失调和重新表达；因此，HERVS可以作为肿瘤抗原信号。表达大量HERV的RCC肿瘤也表达了IFN-γ信号，表明这些肿瘤确实发炎了。在RCC肿瘤和外周血中观察到T细胞对HERV抗原的反应，RCC患者在异基因造血干细胞移植后出现减退，所有这些都表明HERV确实可以在这些癌症中提供抗原信号。

 

除了HERVs病毒外，诸如epstein-barr病毒、乙型肝炎病毒、丙型肝炎病毒、人乳头瘤病毒和默克尔细胞多瘤病毒等病毒也可能为头颈部鳞状细胞癌、肝癌、宫颈癌、默克尔细胞癌以及胃癌的某些亚群等癌症中的强免疫原抗原提供来源。

 

虽然在某些癌症中，病毒状态与免疫检查点抑制剂的治疗结果没有明显的联系，但病毒基因组整合到宿主基因组中，导致基因组不稳定的作用，已经得到充分证实。

因此，与炎症型肿瘤广泛地包括那些表达PD-L1和高TMB的肿瘤，而且还包括表达HERV和其他病毒基因组的癌症。虽然已观察到这些肿瘤类型的免疫检查点抑制剂单一药物治疗效果良好，但是一些联合用药可能效果更好。

 

2#
免疫排除型肿瘤

 

免疫豁免型肿瘤：免疫微环境中存在抑制性T细胞，他们有高的TGF-β信号，髓系炎症和肿瘤血管生成。
 

免疫排除型肿瘤和间质促纤维生长肿瘤不同。间质促纤维生长的肿瘤高表达PD-L1，对于免疫检查点抑制剂敏感。虽然间质促纤维生长肿瘤侵袭边缘被CD8T细胞密集地填充，组织学上与免疫排除型肿瘤相似。但是免疫排除型的肿瘤往往对免疫检查点抑制剂反应很差。
 

TGF-β促进免疫排除表型，降低PD-L1抑制剂的作用。抑制TGF-β有助于将肿瘤向炎症型表型转化，aPDL1+aTGFb因为可以产生一些临床受益(NCT02734160,NCT04064190, NCT02947165)。
 

髓样炎症在炎症型肿瘤和免疫豁免型肿瘤的肿瘤微环境中表达IL-6和IL-8等细胞因子相关。免疫检查点抑制剂和抗这些细胞因子抗体的联合使用是否能够获益，还有待进一步的测试（NCT03400332，NCT03866239)。
 

抗集落刺激因子1受体（CSF1R）的试验，一种消耗肿瘤驻留巨噬细胞的药物并不成功。不清楚是否anti-CSF1R将好的抗原递呈巨噬细胞和抑制性的巨噬细胞均清除了。

 

3#

免疫沙漠型肿瘤
 

免疫沙漠型肿瘤组织特征为：缺乏免疫浸润，缺少抗原呈递（低MHCI），高肿瘤生长。如儿童恶性肿瘤、激素受体阳性乳腺癌、前列腺癌、胶质母细胞瘤和SCLC。除了SCLC外，这些肿瘤在基因组上往往是稳定的，低TMB，对单药免疫检查点抑制剂反应很差。
 

多种不同的机制参与免疫沙漠表型。比如肿瘤内在WNT/β-catenin信号通路，可以使CD103树突状细胞所需的趋化因子CXCL1、CXCL2和CCL4梯度减少，从而影响早期T细胞的启动和浸润。SCLC在内的神经内分泌肿瘤以低频率的TILs为主。
 

除了逃避免疫监视外，快速增殖的沙漠肿瘤改变了肿瘤微环境的代谢，为T细胞的功能和增殖创造了一个敌对的环境。
 

缺氧、乳酸生成、酸性肿瘤微环境的存在和脂肪生成的增加，共同改变了T细胞的免疫代谢，影响TCR的参与、T效应激活、分化和增殖，最终导致TILs的减少。
 

通过代谢途径调节剂来解决肿瘤细胞的代谢重新编程是非常重要的，可影响T细胞的功能。识别代谢应激的肿瘤，如HIF1A依赖性肿瘤，伴有PI3K/AKT/FGFR3信号突变的肿瘤，抑制这些癌细胞依赖信通路的药物可能会有理想的效果，同时使免疫细胞不受干扰，结合免疫检查点抑制剂，会在这些肿瘤中创造一个免疫许可的微环境。

上述炎症型、免疫豁免型和免疫沙漠型，在特定的肿瘤类型和不同的癌症中，不同程度上普遍存在。
 

上图对每种癌症的大致免疫表型进行了分类，以及他们和TMB的关系。总体临床挑战仍然是定义炎症型肿瘤或抗原负荷高的肿瘤阈值，以及确定与特定表型相关的特定驱动因素。

 

如上所述，联合疗法的临床转化将需要确定正确的患者群体，以将免疫沙漠或免疫排除的肿瘤转化为炎症肿瘤。虽然CD8免疫组织化学（IHC）可能足以对肿瘤进行广泛的分类，但识别特定的途径驱动因素，如TGF-β、髓系细胞、WNT/b-catenin或肿瘤代谢重编程，将需要同样复杂的生物标志物方法来进行分类。

 

参考文献

1. Hegde, P.S., Karanikas, V., and Evers, S. (2016). The Where, theWhen, and the How of Immune Monitoring for Cancer Immunotherapies in the Era of Checkpoint Inhibition. Clin. Cancer Res. 22, 1865–1874.

2. Marabelle, A.,  J.A., Miller, A., et al.(2019). Association of tumor mutational burden with outcomes in patients with select advanced solid tumors treated with pembrolizumab in KEYNOTE-158. ESMO 2019 Congress. Ann. Oncol. 30, v475–v532.

3. Mariathasan, S, et al. (2018). TGFb attenuates tumour response to PD-L1 blockade by contributing to exclusion of T cells. Nature 554, 544–548.

4. McDermott, D.F, et al. (2018). Clinical activity and molecular correlates of response to atezolizumab alone or in combination with bevacizumab versus sunitinib in renal cell carcinoma. Nat. Med. 24,749–757.

5. Top 10 Challenges in Cancer Immunotherapy，Priti S. Hegde and Daniel S. Chen，Immunity 52, January 14, 2020

6. McDermott, D.Fet al. (2018). Clinical activity and molecular correlates of response to atezolizumab alone or in combination with bevacizumab versus sunitinib in renal cell carcinoma. Nat. Med. 24,749–757.