Oct 21, 2023
γδ T 세포는 HLA 클래스 I 결함이 있는 암에서 면역요법의 효과기입니다.
자연 613권, 페이지
Nature 613권, 743~750페이지(2023)이 기사 인용
51,000번의 액세스
10 인용
287 알트메트릭
측정항목 세부정보
DNA 불일치 복구 결핍(MMR-d) 암은 면역관문차단(ICB)1,2에 대한 탁월한 반응성을 설명하는 것으로 생각되는 풍부한 신생항원을 나타냅니다. 여기에서 다른 암 유형과 달리3,4,5 우리는 β2-마이크로글로불린(B2M에 의해 인코딩됨)의 게놈 불활성화를 갖는 21개 중 20개(95%)의 MMR-d 암이 ICB에 대한 반응성을 유지한다는 것을 관찰했습니다. 이 맥락에서 CD8+ T 세포 이외의 효과기 세포. 다음으로 우리는 MMR-d 암에서 B2M 불활성화와 γδ T 세포의 침윤 증가 사이의 강력한 연관성을 확인했습니다. 이러한 γδ T 세포는 주로 Vδ1 및 Vδ3 하위 집합으로 구성되었으며 높은 수준의 PD-1, 세포 독성 분자를 포함한 기타 활성화 마커 및 광범위한 킬러 세포 면역글로불린 유사 수용체 레퍼토리를 발현했습니다. 시험관 내에서 MMR-d 결장암에서 분리된 PD-1+ γδ T 세포는 인간 백혈구 항원(HLA) 클래스 I 음성 MMR-d 결장암 세포주 및 B2M 녹아웃 환자 유래 종양에 대해 향상된 반응성을 나타냈습니다. 항원 제시 능력이 있는 세포와 비교한 오가노이드. 이중 PD-1 및 CTLA-4 차단 전후에 얻은 MMR-d 결장암 환자의 한 쌍의 종양 샘플을 비교함으로써 우리는 면역 체크포인트 차단이 B2M 결핍 암에서 γδ T 세포의 빈도를 실질적으로 증가시키는 것을 발견했습니다. 종합하면, 이러한 데이터는 γδ T 세포가 HLA 클래스 I 음성 MMR-d 결장암 환자의 면역 체크포인트 차단에 대한 반응에 기여하고 암 면역요법에서 γδ T 세포의 잠재력을 강조한다는 것을 나타냅니다.
PD-1-PD-L1 및/또는 CTLA-4 축을 표적으로 하는 ICB는 MMR-d 및 높은 미세부수체 불안정성을 지닌 암 환자에게 지속적인 임상적 이점을 제공합니다6,7,8,9. ICB에 대한 MMR-d 및 높은 미소부수체 불안정성을 지닌 암의 예외적인 반응은 게놈에 돌연변이가 광범위하게 축적되어 발생하는 추정 신생항원의 상당한 부담으로 설명되는 것으로 생각됩니다1,2. 이는 PD-1 차단이 주로 암세포의 HLA 클래스 I 결합 네오에피토프를 인식하는 CD8+ T 세포에 의해 구동되는 내인성 항종양 면역을 증가시킨다는 현재의 견해와 일치합니다10,11,12. 그러나 MMR-d 결장암은 HLA 클래스 I 유전자의 침묵, β2-마이크로글로불린(B2M에 의해 인코딩됨)의 돌연변이 비활성화 또는 항원 처리 기계의 기타 결함으로 인해 HLA 클래스 I 매개 항원 제시를 자주 상실합니다13,14,15 ,16 이는 이들 종양이 CD8+ T 세포 매개 면역에 내성을 갖도록 만들 수 있습니다3,4,5,17. 특히, 초기 증거에 따르면 B2M 결핍 MMR-d 암은 PD-1 차단에 대해 지속적인 반응을 얻을 수 있으며18 CD8+ T 세포 이외의 면역 세포 하위 집합이 이러한 반응에 기여한다는 것을 시사합니다.
종양 세포를 죽이는 능력이 있는 HLA 클래스 I 비제한 면역 세포 하위 집합에는 자연 살해(NK) 세포와 γδ T 세포가 포함됩니다. γδ T 세포는 세포독성 효과기 기능과 같은 αβ T 세포 대응물과 많은 특성을 공유하지만 γ 및 δ 사슬로 구성된 별개의 TCR을 발현합니다. γδ T 세포의 다양한 하위 집합은 TCR δ 사슬 사용에 의해 정의되며, 그 중 Vδ1 및 Vδ3을 발현하는 세포는 주로 점막 부위에 '조직 상주'하는 반면, Vδ2를 발현하는 세포는 주로 혈액에서 발견됩니다. 예를 들어 γδ TCR 또는 NKG2D, DNAM-1, NKp30 또는 NKp44와 같은 선천적 수용체의 자극을 통한 적응성 및 선천적 활성화 메커니즘이 모두 γδ T 세포에 대해 설명되었습니다. 킬러 세포 면역글로불린 유사 수용체(KIR)는 γδ T 세포에 의해 발현되며 표적 세포에서 HLA 클래스 I 발현에 따라 활성을 조절합니다. 더욱이, γδ T 세포는 MMR-d 대장암(CRC)에서 높은 수준의 PD-1을 발현하는 것으로 밝혀졌으며, 이는 이들 세포가 PD-1 차단의 표적이 될 수 있음을 시사합니다.
4, which represents a predefined threshold25. Consistent with the study protocol of the DRUP23, the primary outcome measure for our analysis was clinical benefit, defined as disease control of ≥16 weeks, and the secondary outcome measure was best overall response, all assessed according to the RECIST 1.1 guidelines by the local treatment team at the site of accrual. As determined in the study protocol, these outcome measures were considered to be evaluable in patients who received at least two cycles of intravenous study medication, and for whom the response was radiologically or clinically evaluable (at the treating physician's discretion). For genomics and transcriptomics analyses, fresh frozen tumour biopsies were obtained at the baseline (that is, before PD-1 blockade). WGS analysis (median depths, ~100× and ~40× for tumour and normal, respectively) and bioinformatics analyses were performed as previously described23,25, with an optimized pipeline based on open-source tools that is freely available at GitHub (https://github.com/hartwigmedical/pipeline5). The TMB per Mb was determined by counting the genome-wide number of mutations (SNVs, MNVs and indels) and dividing this number by the number of megabases sequenced. For RNA-seq analysis, we extracted total RNA using the QIAGEN QIAsymphony RNA kit (931636). Samples with approximately 100 ng total RNA were prepared using KAPA RNA Hyper + RiboErase HMR (8098131702) and the RNA libraries were paired-end sequenced on the Illumina NextSeq550 platform (2 × 75 bp) or the Illumina NovaSeq6000 platform (2 × 150 bp). Raw RNA reads (FASTA files) were aligned to the human reference genome (GRCh38) using STAR46, (v.2.7.7a) using the default settings in two-pass mode./p>0.5 (the situation in which a mutation is more likely subclonal than clonal), as determined using PURPLE (v.2.34)47./p>3,000) were filtered out from the analysis, resulting in a final dataset of 4,442 cells, derived from HTO1 (n = 332), HTO6 (n = 105), HTO7 (n = 1,100), HTO8 (n = 1,842) and HTO9 (n = 1,063). Data were normalized using the LogNormalize function of Seurat with a scale factor of 10,000. Variable features were identified using the FindVariableFeatures function of Seurat returning 2,000 features. We next applied the RunFastMNN function of SeuratWrappers split by sample ID to adjust for potential batch-derived effects across the samples57. Uniform manifold approximation and projection (UMAP)58 was used to visualize the cells in a two-dimensional space, followed by the FindNeighbors and FindClusters functions of Seurat. Data were scaled, and heterogeneity associated with mitochondrial contamination was regressed out. Cell clusters were identified by performing differentially expressed gene analysis using the FindAllMarkers function, with min.pct and logfc.threshold at 0.25. The number of TRDV1+ (Vδ1, n = 1,927), TRDV2+ (Vδ2, n = 860) or TRDV3+ (Vδ3, n = 506) cells was determined as the percentage of all cells with an expression level of >1, with <1 for the other TCR Vδ chains. CRC96, 134 and 167 had less than ten TRDV3+ cells, and were not included in the Vδ3 analysis. Transcripts of Vδ4 (TRDV4), Vδ5 (TRDV5) and Vδ8 (TRDV8) cells were not detected. The percentage of cells positive for a certain gene was determined as all cells with an expression level of >1./p>170,000-fold increase in 3–4 weeks of expansion of γδ T cells (Extended Data Fig. 4c)./p>hB2M[NM_004048.4](ns):T2A:Puro), produced in lentivirus according to standard methodology. Cells were selected using puromycin and then FACS-sorted on the basis of HLA-A/B/C expression using 1:100 anti-HLA-A/B/C-FITC (W6/32, eBioscience)./p> 
한국어
English
Français
Deutsch
Español
Italiano
Português
日本語
Русский
홈페이지