[发明专利]用于检测免疫检查点空间分布的试剂在制备肿瘤治疗和预后诊断产品中的应用

说明书

本发明公开了用于检测免疫检查点空间分布的试剂在制备肿瘤治疗和预后诊断产品中的应用，本发明采用state‑of‑the‑art空间蛋白质组学分析技术和机器学习(machine learning)，分析实体肿瘤组织肿瘤微环境中的免疫检查点TIM‑3(T细胞免疫球蛋白和粘蛋白结构域蛋白‑3)和免疫检查点PD‑1(程序性死亡因子‑1)等的空间分布，进一步深入分析微环境中TIM‑3分子与免疫细胞/胞外基质的空间互作，应用机器学习等建立精准预测模型并应用到泛癌种的临床治疗疗效和预后监测中，本发明的预测模型显著优于传统的肿瘤TNM分期对肿瘤患者预后的预测，在生物领域和医药转化研究中具有极大的应用前景。

技术领域

本发明涉及肿瘤诊断领域，具体涉及用于检测免疫检查点空间分布的试剂在制备肿瘤治疗和预后诊断产品中的应用。

背景技术

目前临床上研究和应用最广泛的免疫检查点抑制剂包括针对CTLA-4、PD-1和PD-L1的单抗。检查点免疫治疗在一些肿瘤如黑色素瘤中有显著疗效，然而目前免疫检查点抑制剂和细胞治疗对包括胰腺癌等实体肿瘤的疗效甚微。以胰腺癌为例，在胰腺癌免疫治疗当中免疫检查点抑制剂(PD-1、PD-L1、CTLA-4)开展的临床试验最多，然而诸多临床试验的结果显示从免疫治疗成功获益的胰腺癌患者几乎无效。

目前对免疫治疗检测的标准是通过免疫组化方式分析PD-L1蛋白表达，很遗憾的是有近一半的PD-L1表达阳性病人对免疫检查点治疗依然无反应。有研究表明不同空间区域实体肿瘤表现为不同的肿瘤微环境，从而导致肿瘤发病机制及治疗反应的不同。因而，深入了解实体肿瘤空间区域免疫微环境的差异和共性，是目前亟待解决的重大科学问题。现有证据证实肿瘤免疫和机体对肿瘤免疫治疗的反应受多种因素影响，包括肿瘤抗原和肿瘤突变等。高基因突变负荷(TMB-High)实体瘤的免疫治疗设想是基于肿瘤突变可能产生免疫原性新抗原，新抗原增加和CD8⁺T细胞计数增加呈正相关，而CD8⁺T浸润肿瘤是免疫治疗效果好的基础。目前普遍观点认为，依据肿瘤微环境中免疫细胞的浸润和基因突变负荷(tumormutation burden,TMB)等可以将肿瘤分为三大类：冷肿瘤-免疫耐受型(cold tumor-immune resistant)，热肿瘤-免疫响应型(hot tumor-immune responsive)，和完全无反应型(excluded tumor-immune resistant)。这类分型使得我们对肿瘤微环境有了进一步认识，并对免疫治疗疗效的监测有一定指导作用。然而在实际临床应用过程中，研究发现部分被认为是冷肿瘤的患者对免疫治疗响应较好，证实肿瘤微环境的复杂性和多样性。最近来自美国MD安德森癌症中心最新发表的研究质疑FDA加速审批的—免疫检查点抑制剂适应证之一的TMB-High泛癌种。该研究的回顾性分析发现，并非所有TMB-High癌种的CD8⁺T细胞计数就会升高，因此TMB-High或不适合作为预测所有癌症的免疫治疗疗效生物标志物。同样今年发表在NEJM上一篇 LETTER同样对TMB-High的免疫治疗疗效预测价值提出了质疑。研究发现TMB的预测价值仍然仅仅体现NSCLC、头颈部鳞癌和黑色瘤上，其他癌种观察不到TMB-High的预测价值。进一步证实在包括消化系统肿瘤等实体肿瘤中TMB-High预测期免疫治疗疗效的证据尚不充分。缺乏准确预测肿瘤患者对免疫治疗疗效是导致免疫治疗效果不尽人意的重要原因，当前急需研发有临床指导价值的预测指标来帮助和指导临床医生对免疫治疗用药适应症、用药时机和患者预后做出准确判断。

发明内容

有鉴于此，本发明针对实体肿瘤免疫治疗适应症和疗效预测面临的难题和瓶颈，过揭示实体肿瘤免疫微环境的空间区域免疫共性和特性，建立新型免疫微环境评分标准，研发了针对实体肿瘤治疗疗效和预后的新型监测模型，在生物医药特别是肿瘤免疫治疗领域有极大的应用前景和产业价值。

为达到上述目的，本发明提供如下技术方案：