《Lung Cancer》：Microbiota biomarkers as predictors on immunotherapy response in patients with advanced non-small cell lung cancer
编辑推荐：
本研究旨在解决晚期非小细胞肺癌（NSCLC）免疫检查点抑制剂（ICI）治疗缺乏有效预测性生物标志物的临床难题。研究人员聚焦于肿瘤内微生物群，通过对患者组织样本进行16S rRNA测序分析，识别出两个与生存期和治疗反应显著相关的细菌组合评分（KBUBe和OSAA）。结果表明，这些微生物评分是预测患者总生存期（OS）、无进展生存期（PFS）和治疗反应的独立指标，其预测能力优于PD-L1表达等传统标志物。这为利用肿瘤内微生物组实现NSCLC免疫治疗的精准预测提供了新思路。
肺癌是全球癌症死亡的首要原因，其中非小细胞肺癌（NSCLC）占了大约85%。对于已发生转移的晚期患者，预后尤其严峻。近年来，靶向程序性死亡蛋白-1（PD-1）及其配体（PD-L1）的免疫检查点抑制剂（ICI）的问世，彻底改变了晚期NSCLC的治疗格局，显著延长了部分患者的生存期。然而，现实并不尽如人意：仅有约一半的患者能对ICI产生客观缓解，且其中半数会在8个月内出现疾病进展。医生们迫切需要更精准的“雷达”，在治疗前就能预判哪些患者能真正从中获益。
目前，临床主要依赖肿瘤组织的PD-L1表达水平来筛选可能对ICI有效的患者，但这个“指南针”常常失灵。由于其表达在肿瘤内部存在异质性，且检测方法不一，PD-L1的预测价值有限。其他如肿瘤突变负荷（TMB）、肿瘤浸润淋巴细胞（TILs）等潜在标志物，也尚需更多验证。与此同时，一个隐藏在我们身体内部，甚至直接存在于肿瘤内部的“微观宇宙”——微生物组，正逐渐走入研究者的视野。大量研究表明，肠道微生物群是抗肿瘤免疫的关键调节者，能深刻影响ICI的疗效和安全性。那么，与肿瘤细胞“朝夕相处”的肿瘤内微生物群，是否藏着更直接的预测密码呢？
为了探索这个前沿问题，由Juan Vicente-Valor、Carlos Aguado等研究人员组成的团队开展了一项研究，相关论文发表在《Lung Cancer》上。他们假设，晚期NSCLC肿瘤组织内部的微生物特征，能够预测患者接受ICI治疗后的生存结局和治疗反应。如果得到验证，这或许能为临床医生提供一个全新的、强有力的决策工具。
为了验证假设，研究人员开展了一项回顾性研究。他们收集了41名在西班牙马德里圣卡洛斯医院接受ICI治疗的晚期NSCLC患者的肿瘤组织样本。这些样本包括新鲜冷冻和福尔马林固定石蜡包埋（FFPE）两种类型。研究的核心是利用离子 torrent平台对样本进行细菌16S rRNA基因扩增子测序，以全面解析肿瘤内的微生物组成。随后，使用QIIME2流程进行生物信息学分析，包括计算α多样性（群落内多样性）和β多样性（群落间差异），并通过PICRUSt2工具预测微生物群落的功能通路。最后，运用Cox回归、逻辑回归等统计方法，深入分析微生物特征与患者总生存期（OS）、无进展生存期（PFS）以及客观缓解率（ORR）之间的关联。
3.1. 微生物预后评分的建立
通过回归分析，研究团队从细菌中鉴定出了两个具有预后相关性的“组合”，并将其量化为评分。一个是KBUBe评分，包含四个菌属：Klebsiella（克雷伯菌属）、Brevundimonas（短波单胞菌属）、Undibacterium和Beijerinckiaceae（拜叶林克氏菌科）。另一个是OSAA评分，包含Olsenella、Salinarimonas、Actinobacillus（放线杆菌属）和Lachnospiraceae（毛螺菌科）的A2菌属。
3.2. 总生存期（OS）分析
在比较生存期长（OS > 2年）和短（OS ≤ 2年）的患者时，两者肿瘤微生物的α多样性没有显著差异，但在β多样性上显示出接近显著的差异。在门水平上，短期生存者的微生物组成似乎更不平衡，变形菌门（Proteobacteria）比例更高，而厚壁菌门（Firmicutes）等比例更低。更重要的是，Cox回归分析显示，KBUBe和OSAA评分是OS的显著预测因子，其风险比（HR）分别为0.501和0.491，意味着评分越高，死亡风险越低。它们的预测效能（Harrell‘s C值）超过了PD-L1表达、ECOG体能状态评分和中性粒细胞-淋巴细胞比率（NLR）等传统预后因素。Kaplan-Meier生存曲线也证实，基于中位数分组的KBUBe和OSAA评分能显著区分出不同生存期的患者群体。并且，在调整了TNM分期等其他因素后，这两个微生物评分仍保持独立的预测能力。
3.3. 无进展生存期（PFS）分析
类似地，研究比较了无进展生存期长（PFS > 12.5个月）和短（PFS ≤ 12.5个月）的患者。两者在微生物α和β多样性上均无显著差异。然而，KBUBe和OSAA评分同样是PFS的显著预测因子（HR = 0.579 和 0.133）。其中OSAA评分的预测能力非常突出。在预测PFS时，OSAA评分和TNM分期是仅有的两个能显著区分Kaplan-Meier曲线的因素。多因素分析也证实了OSAA评分是PFS的独立预测因子。
3.4. 治疗反应分析
研究进一步分析了微生物特征与治疗反应（应答者R vs. 无应答者NR）的关系。有趣的是，无应答者的肿瘤微生物α多样性（如Observed OTUs和Shannon指数）有高于应答者的趋势。在应答者预测方面，微生物评分展现了强大的能力：所有KBUBe评分最高（=2）的患者都是应答者，而评分最低（=0）的患者中只有50%是应答者。OSAA评分的区分度更惊人：评分最高（=0）的患者中83.3%是应答者，而评分最低（=-4）的患者中则没有应答者。在受试者工作特征曲线（ROC曲线）分析中，OSAA评分预测治疗反应的曲线下面积（AUC）达到了0.781，是所有评估因素中最高的。统计检验也表明，微生物评分是治疗反应的独立预测因子。
3.5. 功能分析
通过对微生物基因功能的预测分析，研究者发现了一些可能解释其作用的通路。在生存期长或治疗有反应的患者中，与“双组分系统”（TCS）和“鞭毛组装”相关的细菌基因计数显著更高。TCS是细菌感知环境并调节基因表达（包括毒力）的关键系统，而鞭毛蛋白是Toll样受体5（TLR5）的激动剂，能激活抗肿瘤免疫。此外，与缬氨酸、亮氨酸和异亮氨酸降解（产生支链短链脂肪酸BSCFAs）相关的通路在应答者中也有升高趋势。相反，与次级胆汁酸生物合成（可能损害免疫治疗）和糖胺聚糖降解（可能促进肿瘤扩散）相关的通路，则在预后不良的患者中更活跃。对MetaCyc通路的分析还发现了如苯乙胺降解（在长期生存者中升高）、O抗原构建块生物合成（在应答者中升高）以及L-甲硫氨酸生物合成（在无应答者中升高）等可能与免疫调节相关的通路。
结论与讨论
本研究系统探索了晚期NSCLC肿瘤内微生物群的组成，并首次建立了两个与免疫治疗疗效密切相关的微生物评分——KBUBe和OSAA。核心结论是：肿瘤内特定的微生物群落特征与接受ICI治疗的晚期NSCLC患者的总生存期、无进展生存期以及治疗反应显著相关。KBUBe和OSAA评分作为新型的、独立的预后生物标志物，其预测能力超越了PD-L1表达等现有临床指标。
这项研究的重要意义在于它将微生物组研究从肠道延伸到了肿瘤内部这一更直接的“战场”。尽管之前的研究强调了肠道微生物的重要性，但对肿瘤组织自身菌群的研究相对匮乏。本研究不仅证实了肿瘤内微生物群作为预测标志物的可行性，还通过功能预测为理解其作用机制提供了线索。例如，评分中包含的Klebsiella已被证明能促进Th1型免疫反应，而Brevundimonas则与抗肿瘤T细胞浸润相关。功能分析提示，有益微生物可能通过激活TCS和TLR5等免疫识别通路，或产生特定的代谢物（如支链脂肪酸），来塑造一个利于免疫治疗起效的肿瘤微环境。
当然，研究也存在局限性，主要是样本量较小，且需要在更大的独立队列中进行外部验证。此外，PICRUSt2的功能预测是基于基因序列的推断，需要后续的代谢组学等实验进一步证实。然而，这些发现无疑为精准肿瘤学打开了新的大门。未来，通过检测肿瘤活检组织中的微生物特征，或许能更准确地筛选出最可能从昂贵且可能有副作用的免疫治疗中获益的患者，避免无效治疗，实现真正的个体化医疗。这项研究也为通过调节微生物组来增强免疫治疗疗效（例如使用益生菌或特定代谢产物）提供了新的理论依据和潜在靶点。
