zoukankan      html  css  js  c++  java
  • 肿瘤细胞新抗原

    肿瘤免疫治疗如火如荼,但如何在患者受损的免疫系统中重新唤起患者自身的T细胞活性则是个体化免疫治疗的核心关键问题。在最新一期《新英格兰医学杂志》上,挪威学者Vessela Kristensen通过点评一项最新发表在《Science》上的研究,为肿瘤免疫治疗提供了研究方向。

    虽然具有高突变负荷的肿瘤已经与较差的预后相关联,但在这个肿瘤免疫治疗时期,突变则可以提供肿瘤特异性细胞毒性的治疗靶标并且这将会对治疗有益。数百种肿瘤类型的下一代测序已经揭示了在肿瘤细胞DNA中的体细胞突变比以前已知的更多。这些突变许多发生在基因的编码区,因此转录成RNA,然后将其翻译成蛋白质。这些蛋白质的片段最终可能表现为由HLA分子在肿瘤细胞表面上展示的多肽,其中它们可以被T细胞识别为“外源”肽- 所谓的新抗原 。

    免疫治疗如免疫检查点抑制剂(其设计用于增强患者自身的免疫系统)的效力已证明与突变负荷相关。已经在患者中鉴定了的靶向新抗原的T细胞库能伴随着新抗原的时间变化谱进行共表达。在用过继性T细胞治疗成功治疗的患者中,对于新抗原有反应的T细胞伴随着同源抗原的丧失而消失。而新发生的突变与新的T细胞反应性相互对应。这些发现为新的个体化和真正的肿瘤特异性免疫疗法奠定了基础。

    在各肿瘤中发现的突变的基础上,患者特异性的新抗原可以通过计算预测的。然而,似乎只有非常少量的候选新抗原能在患者中引起免疫应答。事实上,例如在可以提供T细胞靶标的黑色素瘤的数百个突变中,只有少数(在2到5之间)已经被发现能成功产生新抗原特异性T细胞,并可以在肿瘤浸润淋巴细胞中鉴定。对于外周血中的新抗原反应性T细胞,也观察到类似的情况;它们几乎仅代表了携带程序性细胞死亡-1(PD-1)受体的T细胞,其在激活时抑制T细胞的细胞毒性功能。这些T细胞表达的T细胞受体(TCR)已经显示能识别自体肿瘤,但被发现进对非常小部分(约1%)的预测的候选新抗原有反应。通过计算的新抗原的预测能力是否不足?肿瘤抑制反应性T细胞还是诱导其死亡?最重要的是,我们能否通过改善对新抗原的T细胞反应——也就是说,增强它们的反应并使得它们对更多的新抗原更敏感?实现这一目标可以补充现有的检查点抑制剂药物的临床研究,例如阻断PD-1受体的nivolumab。

    Strønen等人最近描述了解决这些问题的一个意想不到的方法,其测试来自健康供体的T细胞是否能够识别肿瘤新抗原并且被他们激活。在没有癌症的人体内的免疫系统是否会以与患有癌症的人的免疫系统相同的方式响应新抗原。在通过对来自三个黑色素瘤患者的肿瘤的DNA和RNA的测序鉴定出的几百个基因突变中,作者选择了57个对突变肽段有高度亲和力的,并且这些都是预测能结合到HLA-A * 02:01位点的。作者然后合成对应新抗原的RNA片段,并将这些片段导入来自HLA-A * 02:01阳性健康供体的单核细胞衍生的树突细胞(免疫系统中“专业”抗原呈递细胞)。他们在体外测试了这些转染的抗原呈递细胞,诱导来自获得树突细胞的相同健康供体的原始细胞毒性T细胞增殖能力。这三个患者总计仅具有2个新表位的T细胞应答,而健康供体的T细胞被11个新表位激活。响应于新表位的T细胞克隆是对低浓度的突变有反应,而不是对野生型的同源抗原。TCR序列被鉴定并遗传转移到第二健康供体的T细胞。通过它们从HLA-A * 02:01阳性患者中有杀死黑素瘤细胞的能力显示了这种通过TCR-修饰的T细胞治疗潜力,其中突变最初来自所述HLA-A * 02:01阳性患者(图1)。这些实验显示来自健康供体的血液的T细胞,有潜力成为用于测试新抗原(包括由患者自身免疫细胞所忽略的新抗原)免疫原性的平台。当然,来自健康供体的T细胞不是对所有候选新抗原都有响应。Strønen等人的结果提示,相对于单独使用计算结合亲和力预测而言,候选新抗原的“命中”率(即,成功预测能诱导免疫应答的候选新抗原)能通过估计肽和主要组织相容性复合物分子之间的结合稳定性来得到改善。


     

    Strønen等人的研究提醒人们可以从非直观的和可利用的实验系统获得不一样的思路,在这个例子中,选用了来自与患者至少一个HLA等位基因匹配的健康人的外周血。来自多个供体的T细胞的所有组成部分可用于研究免疫原性新抗原的性质。供体T细胞被在患者的受损免疫系统下突变的表位激活。这一发现通过借助于将新抗原特异性供体来源的TCR遗传引入患者的T细胞中,从而为开辟新一代个性化免疫治疗提供了可能。

    参考文献:Vessela  N. Kristensen. The Antigenicity of the Tumor Cell — Context Matters. N Engl J Med  376;5 February 2, 2017



    作者:精准医学网
    链接:http://www.jianshu.com/p/38b66b5a622b
    來源:简书
    著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。



    癌症免疫治疗, 无论是被动免疫 (如抗癌单抗)或者主动免疫(如抗癌疫苗),最关键的就是要找到正确的抗原。癌症抗原在传统上分为两大类。一类是“癌症特异性抗原”(Tumor Specific Antigen, TSA),一类是“癌症相关抗原”(Tumor Associated Antigen)。

     

    “癌症相关抗原”是一类同时表达在癌细胞和正常细胞表面的抗原。 严格来讲是很难作为抗癌治疗靶点。但是由于生长的需要,癌细胞可能会在其表面过度表达某些抗原, 这种表达水平的差异就给了我们一定的“治疗空间”。 因此通过攻击这类抗原也可以达到“多杀敌,少伤己”的效果。

     

    而“癌症特异抗原”顾名思义是癌细胞特有的一些抗原。从定义上讲,这类抗原应该是免疫治疗最好的靶点。通过不同免疫治疗,可以准确地杀伤癌细胞而不会产生误伤正常细胞的副作用。

     

    一类比较明显的“癌症特异性抗原”是外源性的致癌病毒抗原(Oncoviral Antigen)。根据世界卫生组织下属癌症研究单位的调查,大约有不到20%的癌症的发生和致癌病毒感染有关。其中大约12%的癌症和七种最常见的病毒有关。这里就有我们熟知乙肝病毒(HBV)和丙肝病毒(HCV),以及近年来大家逐步熟悉的人乳头瘤病毒(HPV)。针对这些病毒的抗体和疫苗都有可能被用来治疗相关癌症。这是研发癌症治疗性疫苗的一个最直接的捷径。

     

    但是其他癌症特异性抗原就没有那么简单了。 这里包括一些在癌细胞中表达产生错误或者糖基化有些问题的蛋白。这些蛋白会因为错误而被免疫系统所识别并加以处理。偶尔有些抗原属于在癌症条件下被错误激活的蛋白,如甲胎蛋白。遇到这样的抗原,就可以放开来格杀勿论。但是这样的机会还是很少,因此我们没有太多施展拳脚的地方。

     

    在这种情况下,所谓“癌症新生抗原”(Neoantigen)得到大家广泛的关注就不是一件偶然的事情。

     

    所谓“癌症新生抗原”指的是那些在癌细胞中发生基因变异所导致的正常蛋白。癌细胞发生的基因变异往往可以高达成百上千。这其中有相当多的变异最终导致产生蛋白系列的变化。这些发生氨基酸序列变异的蛋白就被统称为“癌症新生抗原”。

     

    “癌症新生抗原”受到重视是因为它们是癌症特有的蛋白,其中有一些也很可能有相当的表达量。因此可以通过针对性的免疫治疗来准确地攻击癌细胞,达到治疗癌症的目的。

     

    科学界很早就知道有“癌症新生抗原”的存在。而现在重新被提起,有赖于这几年来基因测序技术的飞速发展,使得单个细胞测序工作成为可能。然我们第一次可以全面了解癌细胞的基因变化情况,并制定出证对性的治疗方法。

     

    虽然“癌症新生抗原”给我们提供了一个新的技术平台,通过抗“癌症新生抗原”来治疗癌症的道路依然不是那样平坦。这里有几个门槛要跨越。

     

    首先,并不是每一种蛋白变异都可以成为有效的抗原。作为一个抗原,这些变异蛋白需要经过几个阶段,即被细胞消化,被细胞递呈,最终被免疫细胞识别。如果这里缺少任何一个环节,免疫系统还是不能发挥作用。比如,抗原能否被“递呈”就非常关键。

     

    我们细胞内的各种蛋白,无论正确与否,都会在被细胞消化后,以片断的形式“递呈”在细胞表面的一类被称为HLA的蛋白上,交由巡游中的免疫细胞进行检查。人类的HLA是一个非常“个体化”的蛋白,有着多达数千种的变异。因此同样一个变异的蛋白片断,在一个人体内可以得到很好的递呈,而在另一个人体内就不一定能做到。如果根据这样的变异来开发免疫治疗就可能会对一部分人有效,而对另一部分人无效。这样一来,抗“癌症新生抗原”的方法就成了一个非常“个体化”的问题。而我们知道,过于“个体化”的治疗在时间和成本上都是很成问题的。

     

    现在,研究人员正在对癌症基因“大数据”进行深挖, 希望可以发掘出一些可以比较广泛使用的“癌症新生抗原”。同时,我们也寄希望于治疗技术的改进,进一步提高“个体化”治疗的效率。让“癌症新生抗原”可以真正成为癌细胞的“命门”。

  • 相关阅读:
    POJ 1061 青蛙的约会(扩展欧几里得)
    贝祖定理(裴蜀定理)
    C语言 gets()和scanf()函数的区别
    非递归方式遍历二叉树
    zip包的解压
    八大基础排序中(直接插入排序,希尔排序,冒泡排序, 快速排序,归并排序,简单选择排序)
    数字反序与数字的和
    合并两个有序数组,合并后数组仍有序
    使用递归方式和非递归方式求斐波那契数
    求100到999之内的水仙花数
  • 原文地址:https://www.cnblogs.com/nkwy2012/p/7865022.html
Copyright © 2011-2022 走看看