La inmunoterapia basada en el bloqueo de puntos de control permite que el sistema inmunitario reconozca las células tumorales que antes eran invisibles debido a la evasión inmunitaria, pero estas terapias conducen a resultados heterogéneos en los pacientes. Centrándonos en el cáncer colorrectal, en el que dos subtipos presentan respuestas marcadamente diferentes a la inmunoterapia, analizamos la relación entre el paisaje mutagénico de un tumor y los resultados terapéuticos. En primer lugar, modelamos la evolución de los neoantígenos en los tumores en crecimiento utilizando un modelo estocástico de proceso de ramificación y etiquetamos cada neoantígeno según su inmunogenicidad predicha, lo que proporciona a cada tumor in silico un paisaje mutacional único previo al tratamiento. A continuación, utilizamos un modelo de sistemas dinámicos de las interacciones tumor-inmunitarias bajo terapia de bloqueo de puntos de control, parametrizado utilizando datos de ensayos clínicos, para simular la inmunoterapia.
Relacionamos los resultados terapéuticos con la heterogeneidad del paisaje mutacional del tumor, y encontramos que un neoantígeno clonal fuerte parece crucial para una respuesta exitosa.
Además, la calidad mínima del neoantígeno entre todos los neoantígenos que contribuyen a la dinámica de la respuesta es uno de los predictores más fuertes de una respuesta duradera.
La terapia con inhibidores de puntos de control inmunitario (ICI) sensibiliza el sistema inmunitario frente a un tumor canceroso al inhibir la capacidad del tumor para reducir la actividad de las células inmunitarias. Para evadir la vigilancia inmunitaria, algunos cánceres sobreexpresan PD-L1, que se une a la proteína PD-1 en las células T e inhibe la respuesta de las células T a los neoantígenos específicos del tumor[1]. Las terapias que bloquean PD-1 o PD-L1 pueden desactivar este mecanismo inhibidor y permitir que las células efectoras maten directamente las células tumorales. Las terapias con ICI se han utilizado con éxito para combatir muchos tipos de cáncer, incluido el linfoma de Hodgkin[2], el melanoma[3],[4], el cáncer de vejiga[5], el cáncer colorrectal[6]–[10] y otros tipos de cáncer[11],[12]. Sin embargo, como sugieren estos estudios, las terapias con ICI provocan respuestas muy heterogéneas entre los pacientes, con algunos pacientes que experimentan una remisión completa, mientras que otros no responden en absoluto.
El cáncer colorrectal (CRC) es un excelente objeto de estudio para comprender la respuesta heterogénea a la terapia con ICI, ya que sus dos subtipos más comunes exhiben respuestas muy diferentes: los pacientes con CRC con reparación de errores de emparejamiento funcional (MMR-P) generalmente no responden a la terapia con ICI, mientras que los pacientes con CRC con deficiencia en la reparación de errores de emparejamiento (MMR-D) generalmente responden bien[6]. La diferencia más llamativa entre el CRC MMR-P y el MMR-D es la tasa de mutación, ya que la maquinaria de reparación de errores de emparejamiento es crucial para reparar el ADN dañado durante la replicación celular. Los tumores de CRC MMR-D adquieren mutaciones a una tasa aproximadamente 10 veces mayor que los tumores MMR-P[13]. Esta diferencia en la respuesta está tan bien establecida que muchos ensayos clínicos de ICI para el CRC solo incluyen pacientes con cánceres MMR-D, ya que la tasa de respuesta es tan baja para los cánceres MMR-P[7],[9],[10]. Los tumores MMR-D tienen una respuesta más fuerte en promedio, pero las respuestas individuales son muy heterogéneas, incluyendo la eliminación total del tumor, el control estable del tumor, las fluctuaciones oscilatorias en el volumen total del tumor y, en algunos casos, el fracaso del tratamiento[6],[14],[15]. La heterogeneidad en la respuesta, incluso en los tumores MMR-D, indica que una mayor carga mutacional por sí sola no es suficiente para una respuesta consistente a la terapia.
Las mutaciones que el sistema inmunitario puede reconocer y atacar se denominan mutaciones neoantigénicas, ya que producen péptidos recién expresados que pueden generar una respuesta inmunitaria. Debido a que estos neoantígenos solo están presentes en el tumor y no en el tejido sano, son excelentes objetivos para las inmunoterapias contra el cáncer. Las células tumorales que son genotípicamente idénticas entre sí se denominan clones, y la mayoría de los tumores están compuestos por grupos de células que comparten mutaciones comunes, llamadas subclones. Las mutaciones presentes en todas las células de un tumor se denominan mutaciones clonales, ya que, con respecto a ese locus genético en particular, las células tumorales son clones entre sí. Los modelos de ratón in vivo de tumores que portan neoantígenos han demostrado que las mutaciones inmunogénicas más débiles deben estar presentes en una fracción mayor de un tumor para que sean atacadas por el sistema inmunitario, y que incluso las mutaciones altamente inmunogénicas no son reconocidas por el sistema inmunitario del huésped si están presentes en bajas frecuencias[16]. La calidad, es decir, la inmunogenicidad, de la mutación neoantigénica, así como su presencia fraccionaria en el tumor (o su clonalidad), son, por lo tanto, importantes para determinar la respuesta a la inmunoterapia, aunque la importancia relativa de la clonalidad y la calidad aún debe determinarse cuantitativamente en el CRC.
En este trabajo, investigamos cómo los paisajes mutacionales de los tumores de CRC afectan la respuesta a la inmunoterapia con ICI, y en particular, cómo la respuesta se ve influenciada por el número, la clonalidad y la inmunogenicidad de las mutaciones presentes en el cáncer de un paciente. Modelamos computacionalmente la evolución estocástica de los neoantígenos en los tumores de CRC y utilizamos esta heterogénea cohorte in silico de tumores como condiciones iniciales para un modelo determinista de inmunoterapia con ICI. Este enfoque nos permite investigar cómo las características clave del tumor previo al tratamiento se relacionan con las distintas respuestas a la terapia.
Resultados
Descripción general del marco computacional
Desarrollamos un marco computacional para modelar la terapia con ICI en el CRC que combina un modelo estocástico de la evolución de los neoantígenos, el cálculo de la inmunogenicidad específica de las mutaciones a partir de los datos de la secuencia de neoantígenos del CRC y un modelo de sistema dinámico que captura las interacciones inmunitarias-tumorales durante el curso del tratamiento (Fig. 1). Primero, simulamos el crecimiento y la adquisición de neoantígenos de tumores heterogéneos utilizando un proceso de ramificación multitépico estocástico parametrizado con datos de cáncer colorrectal. En este proceso, las células individuales pueden experimentar uno de tres eventos posibles: división mitótica, muerte celular o mutación, es decir, adquisición de un nuevo neoantígeno. Los tumores crecen desde una sola célula fundadora hasta una población final de 100.000, momento en el que las poblaciones sub clonales dominantes están bien establecidas y reflejan la estructura subclonal de un tumor al inicio del tratamiento. Generamos 10.000 de estos tumores in silico, con la mitad simulando el cáncer colorrectal MMR-P y la otra mitad simulando el cáncer MMR-D.
Las mutaciones adquiridas durante la expansión clonal se etiquetan con valores de inmunogenicidad derivados de los neoantígenos específicos del tumor del CRC. Descargamos las secuencias de péptidos de la base de datos de neoantígenos específicos del tumor (TSNAdb[17]) y evaluamos su inmunogenicidad por su capacidad para unirse a las moléculas del MHC para su presentación, así como por su similitud en la secuencia de aminoácidos con los epítopos patógenos conocidos[18] obtenidos de la base de datos de epítopos inmunitarios (IEDB)[19]. Descubrimos que la mayoría de las secuencias de péptidos de CRC que figuran en la TSNAdb tienen una antigenicidad minúscula (Fig. 1a complementaria). En parte, esto se debe a que muchas secuencias neoantigénicas tienen menos probabilidades de unirse a los receptores del MHC que sus contrapartes de tipo salvaje, lo que conduce a una pequeña probabilidad de presentación de neoantígenos; en los datos de la TSNAdb en el momento del acceso, el 30,6% de las secuencias neoantigénicas tienen una constante de disociación predicha (Kd) mayor que sus contrapartes de tipo salvaje. Además, muchas secuencias neoantigénicas del CRC no tienen una fuerte similitud de secuencia con los epítopos humanos patógenos establecidos disponibles en IEDB.
Los tumores crecidos estocásticamente con subclones neoantigénicos definidos se utilizan como condiciones iniciales para un modelo determinista de inmunoterapia con ICI. El inicio del tratamiento se modela como la visibilidad repentina del tumor para el sistema inmunitario: las células T citotóxicas específicas de neoantígenos pueden interactuar con las células tumorales, eliminándolas a velocidades dependientes del tamaño de la población del subclon y la inmunogenicidad. Las diferentes poblaciones sub clonales en el tumor pueden provocar respuestas más fuertes o más débiles de las células efectoras, dependiendo del neoantígeno dominante presente en cada subclon. El tumor crece logísticamente en ausencia de interacciones de las células T durante la terapia, con subclones que comparten una tasa de crecimiento y una capacidad de carga para que la única diferencia entre ellos sea su inmunogenicidad y tamaño.
Las características cualitativas emergentes emulan las respuestas terapéuticas a largo plazo
Las respuestas heterogéneas a la terapia surgen a los niveles del tumor y las poblaciones sub clonales
Nuestro marco computacional captura una amplia gama de respuestas a la inmunoterapia con puntos de control (Fig. 2). Los radiólogos clasifican las lesiones del CRC según los criterios RECIST 1.1[20], que categorizan la respuesta de un paciente al tratamiento como enfermedad progresiva (PD), enfermedad estable (SD), respuesta parcial (PR) o respuesta completa (CR), dependiendo de cómo cambie la suma de los diámetros de las lesiones con el tiempo.
En las primeras 12 semanas de terapia, cada tipo de respuesta RECIST 1.1 es logrado por los tumores in silico MMR-D, según lo medido por el volumen tumoral total; sin embargo, el comportamiento de las poblaciones sub clonales individuales no es necesariamente representativo del comportamiento del volumen tumoral general. Por ejemplo, en la Fig. 2a, el subclon que contiene el neoantígeno 1 crece con el tiempo, mientras que los subclones que contienen los neoantígenos 2-4 responden a la terapia y disminuyen a tamaños de población cercanos a cero. Las diferencias relativas en las tasas de crecimiento y disminución de los subclones conducen a la progresión del tumor en general. Esto es más llamativo en el ejemplo de la enfermedad estable (Fig. 2b), en la que el tamaño total del tumor no cambia apreciablemente durante el curso de las 12 semanas. Sin embargo, el subclon sin neoantígenos aumenta durante todo el período de tiempo mostrado; el subclon que contiene el neoantígeno 1 parece ser eliminado, y el subclon que contiene el neoantígeno 2 crece lentamente con el tiempo.
Los tumores in silico pueden lograr una respuesta objetiva dentro de las primeras 12 semanas de tratamiento simulado. Algunos tumores logran una respuesta parcial, en la que el volumen tumoral total disminuye pero no se elimina (Fig. 2c). Esto puede ocurrir debido a cambios en la dinámica subclonal: en la Fig. 2c, los subclones que contienen los neoantígenos 3 y 4 se eliminan rápidamente, mientras que el subclon que contiene el neoantígeno 2 se reduce gradualmente; el subclon restante no puede reclutar rápidamente una fuerte respuesta inmunitaria, lo que lleva a su aumento gradual durante las primeras 12 semanas de tratamiento (Fig. 2c). En algunos casos, los tumores simulados pueden lograr una respuesta completa temprana. En el ejemplo presentado en la Fig. 2d, esto ocurre cuando ambos subclones que contienen neoantígenos son controlados por las células efectoras relativamente rápidamente, alcanzando una población cercana a cero en el día 60 de la terapia simulada.
El modelo de inmunoterapia captura la dinámica de la respuesta clínica a corto y largo plazo
Utilizamos un esquema de optimización para ajustar los parámetros de interacción tumor-inmune en nuestro modelo de sistema dinámico para la terapia con ICI a los resultados, incluyendo la mejor respuesta general, la mediana de supervivencia libre de progresión (PFS) y la PFS a los 36 meses, del brazo de pembrolizumab del ensayo clínico KEYNOTE-177 para el CRC MMR-D[8]. Nuestro modelo optimizado refleja bien los datos ajustados: la mejor respuesta durante todo el curso de la terapia en los tumores MMR-D cuando se evalúa según los criterios RECIST 1.1 es 27.7% (IC del 95%: 26.4%, 28.9%) enfermedad progresiva, 21.6% (20.5%, 22.8%) enfermedad estable, 29.9% (28.7%, 31.2%) respuesta parcial y 20.8% (19.7%, 22.0%) respuesta completa, en comparación con 31.3% (23.8%, 39.5%) PD, 20.8% (14.5%, 28.4%) SD, 34.0% (26.3%, 42.4%) PR y 13.9% (8.7%, 20.6%) CR en los datos del ensayo clínico (Fig. 3a). La tasa de respuesta objetiva (ORR), la fracción de pacientes que logran al menos una respuesta parcial durante el curso de la terapia, es del 50.7% (49.3%, 52.1%) en nuestra cohorte de inmunoterapia in silico, comparable al 45% (37%, 53%) en la cohorte de pembrolizumab KEYNOTE-177.
La supervivencia libre de progresión (PFS) denota la duración del tiempo entre el inicio del tratamiento y la aparición de la enfermedad progresiva según los criterios RECIST 1.1. Al comparar los resultados de la simulación con los datos clínicos[8], la PFS a los 36 meses es del 39.8% (38.4%, 41.1%) en la simulación frente al 42.3% (34.0%, 50.4%) en los datos clínicos (Fig. 3b, izquierda). Finalmente, la mediana de PFS en los datos del ensayo clínico es de 16.5 (4, 38.1) meses, que es casi idéntica a la mediana de PFS en la cohorte simulada, 16.6 (6.4, 30.5) meses (Fig. 3b, derecha).
También examinamos la respuesta de los tumores simulados MMR-D y MMR-P a las 12 semanas y la comparamos con los datos de pembrolizumab a las 12 semanas[6] (Fig. 3c). De las respuestas de los tumores MMR-D simulados a las 12 semanas, el 28% son PD, el 33% SD, el 24% PR y el 14% CR. En los datos clínicos, las respuestas comprenden el 10% PD (0.3%, 44.5%), el 50% SD (18.7%, 81.2%), el 40% PR (12.2%, 73.8%) y el 0% CR (0%, 30.8%). Además, las respuestas de los tumores MMR-P simulados no difieren significativamente de los datos clínicos, con un 64% PD, un 30% SD, un 4% PR y un 2% CR, en comparación con el 85% PD (54.6%, 98.1%), el 15% SD (1.9%, 45.4%), el 0% PR (0%, 24.7%) y el 0% CR (0%, 24.7%) en los datos del ensayo clínico[6]. Cabe destacar que los datos de las 12 semanas no se utilizaron para ajustar el modelo a los datos, lo que implica que nuestro modelo captura bien la dinámica temprana de la respuesta al tratamiento.
Los tumores MMR-D simulados demuestran comportamientos cualitativos que también se observan en los datos clínicos. En primer lugar, la resistencia a la terapia puede desarrollarse en diferentes momentos después del inicio del tratamiento. La resistencia puede adquirirse rápidamente, particularmente en el caso de una subpoblación de crecimiento rápido que carece de mutaciones neoantigénicas (Fig. 4a, izquierda). Alternativamente, la resistencia puede desarrollarse lentamente, lo que lleva a una enfermedad progresiva meses o años después de una respuesta inicial robusta (Fig. 4a, derecha).
Las respuestas a largo plazo a la terapia con inhibidores de puntos de control inmunitarios se logran por diferentes mecanismos. En algunos tumores, se logra una respuesta duradera mediante la erradicación total del tumor. Sin embargo, también se pueden lograr respuestas duraderas mediante un control tumoral a largo plazo en niveles distintos de cero (Fig. 4b); las poblaciones subclonal individuales pueden alcanzar sus propios equilibrios distintos con la terapia continua, mientras que algunos subclones particularmente inmunogénicos pueden ser erradicados al principio del tratamiento (Fig. 4b, izquierda).
La pseudoprogresión es un fenómeno observado en la inmunoterapia contra el cáncer en el que un aumento en el tamaño de la lesión es seguido por una enfermedad estable o una respuesta objetiva[14]. Como se observa en los datos clínicos, también observamos casos de pseudoprogresión en nuestra cohorte simulada (Fig. S2a). En nuestro modelo, la pseudoprogresión se caracteriza por un retraso entre un aumento en la población tumoral y la respuesta inmune, seguido de una disminución posterior en el volumen tumoral (Fig. S2). La progresión real ocurre cuando la respuesta inmune es incapaz de controlar el tumor, mientras que los tumores sin pseudoprogresión reclutan suficientes células efectoras para controlar el tumor antes de que se produzca un crecimiento tumoral significativo.
Además, encontramos que algunos tumores que responden de forma duradera a la terapia exhiben oscilaciones amortiguadas en las poblaciones subclonal, lo que puede ocurrir un año o más después de un período de control tumoral eficaz (Fig. 4b, derecha; Fig. S2b), lo que indica que la pseudoprogresión puede no limitarse a la fase inicial de la terapia. También se han observado fenómenos similares en pacientes con cáncer que reciben terapia con ICI[21],[22]. El control tumoral estable, la pseudoprogresión y las fluctuaciones en el volumen tumoral son todos comportamientos emergentes que se observan en los datos de los ensayos clínicos con pembrolizumab[6],[14],[15],[23], lo que nos lleva a concluir que nuestro modelo produce trayectorias de respuesta que se corresponden con los datos clínicos.
Para comprender mejor la respuesta a largo plazo a la terapia, desarrollamos una clasificación para las respuestas a largo plazo que distingue entre la enfermedad progresiva que ocurre inmediatamente, lo que representa la ausencia total de respuesta a la inmunoterapia, y la enfermedad progresiva que ocurre debido a la resistencia adquirida en algún momento después de una respuesta inicial. En primer lugar, se observa la mejor respuesta a la terapia, según lo evaluado por RECIST 1.1. Si la mejor respuesta lograda en todos los puntos temporales del estudio es la enfermedad progresiva, entonces esta respuesta se etiqueta como "Sin respuesta" (NR). Sin embargo, si existe una respuesta demostrada a la terapia, pero si el tumor ha progresado según los criterios de RECIST 1.1 al final del estudio, consideramos que este es un caso de resistencia adquirida (AR). Si el tumor está controlado en el punto temporal final, es decir, se clasifica como DE, RP o RC, entonces consideramos que esta es una respuesta duradera (DR) a la terapia. Este sistema de clasificación se resume en la Fig. 4c.
Este clasificador de respuesta a largo plazo (LTR) puede aplicarse a los tumores simulados. De nuestros tumores MMR-D in silico, el 27,7% se clasifican como NR, el 33,8% como AR y el 38,5% como DR. En contraste, aproximadamente el doble de tumores MMR-P se clasifican como NR en comparación con AR (64,1% y 30,8%, respectivamente); solo el 5,1% de los tumores MMR-P se clasifican como DR.
¿Qué tan predictiva es la evaluación de RECIST 1.1 de la respuesta a las 12 semanas para la respuesta a largo plazo? Para los tumores MMR-D simulados, una clasificación de DP o RC en la semana 12 después del inicio del tratamiento es 100% predictiva de la respuesta a largo plazo. Tenga en cuenta que, en el caso de DP, seguimos los criterios de RESIST 1.1, que establecen que el tumor no puede cambiar de respuesta después de ser clasificado como DP. Un tumor clasificado como DE en la semana 12 tiene aproximadamente un 17% de probabilidad de lograr una respuesta duradera a largo plazo, mientras que el 83% de estos tumores terminan adquiriendo resistencia con el tiempo. En contraste, el 76% de los tumores etiquetados como RP en la semana 12 mantienen una respuesta duradera con el tiempo, mientras que el 24% desarrollará resistencia a largo plazo (Fig. 4d, izquierda).
Nuestros hallazgos indican que la respuesta a corto plazo es un buen predictor de la respuesta a largo plazo (Fig. 4d, izquierda). Para evaluar si este hallazgo se mantiene en los datos clínicos, comparamos las respuestas tempranas y a largo plazo a nivel de cohorte de los cánceres colorrectales MMR-D a la ICI pembrolizumab[6],[8]. Una evaluación temprana de pembrolizumab para el tratamiento del CRC MMR-D[6] sugiere que a las 12 semanas, la respuesta a la terapia comprende el 10% de DP (0,3%, 44,5%), el 50% de DE (18,7%, 81,2%), el 40% de RP (12,2%, 73,8%) y el 0% de RC (0%, 30,8%). Suponiendo que la cohorte KEYNOTE-177 (n= 153 en el brazo de pembrolizumab)[8] sigue estas proporciones para la respuesta temprana, utilizamos la relación entre la respuesta a las 12 semanas y la respuesta a largo plazo a la terapia de nuestra cohorte in silico (Fig. 4d) para predecir la fracción de pacientes que experimentarán una progresión de la enfermedad. Específicamente, nuestro trabajo sugiere que la progresión eventualmente ocurrirá en el 100% de los pacientes con DP a las 12 semanas, en el 82,5% (81,6%, 85,2%) de los pacientes con DE a las 12 semanas, en el 24,3% (21,9%, 26,8%) de los pacientes con RP a las 12 semanas y en el 0% (0%, 0,5%) de los pacientes con RC a las 12 semanas (Fig. 4d). Un cálculo simple sugiere que la fracción total de una cohorte que experimentará progresión durante el tratamiento es de aproximadamente el 61% (100% de 10 + 82,5% de 40 + 24,3% de 50). Para formalizar esta estimación, modelamos la distribución de la respuesta temprana muestreando una variable aleatoria de Dirichlet inicializada utilizando datos clínicos[6], lo que nos lleva a predecir que el 62,9% (46,1%, 78,3%) de los pacientes eventualmente experimentarán progresión. En el estudio KEYNOTE-177, el 56% (n= 86, IC del 95%: 48,0%, 64,2%) de los pacientes experimentaron progresión de la enfermedad o fallecieron[8]. La alta concordancia entre nuestra estimación y las proporciones de KEYNOTE-177 proporciona evidencia adicional de que la respuesta temprana a la terapia es predictiva de la respuesta futura a la terapia.
Dado que una etiqueta de RP a las 12 semanas es un buen indicador pronóstico de la respuesta duradera a largo plazo en nuestro modelo, examinamos los factores que distinguen entre los tumores que logran una respuesta duradera a largo plazo y aquellos que adquieren resistencia. Clasificamos aún más los tumores etiquetados como RP a las 12 semanas, que mantienen RP a los 55 meses, como "establemente RP"; aquellos que terminan logrando RC a los 55 meses se etiquetan como "RC lento"; y aquellos que adquieren resistencia y progresan se etiquetan como "resistencia adquirida" (Fig. 4d, derecha). En particular, el número de subclones es significativamente diferente en cada grupo: en promedio, el grupo de RC lento tiene el menor número de subclones (2,5 ± 1,0) (media ± desviación estándar), seguido por el grupo de tumores que mantienen una respuesta parcial con el tiempo (3,1 ± 1,1). Los tumores que adquieren resistencia con el tiempo exhiben la mayor heterogeneidad, con un número medio de 3,5 ± 1,2 subclones neoantigénicos. Esto sugiere que la heterogeneidad es perjudicial para la durabilidad de la respuesta a la inmunoterapia.
Después de simular la inmunoterapia, analizamos los resultados para comprender qué impulsa las respuestas heterogéneas a la inmunoterapia en los pacientes con CRC MMR-P y MMR-D. En concreto, podemos examinar la relación entre la cantidad, la inmunogenicidad y la clonalidad de los neoantígenos, y la respuesta del tumor in silico tanto a corto como a largo plazo. Planteamos la hipótesis de que la calidad del neoantígeno es un predictor importante del éxito de la inmunoterapia. La calidad máxima del neoantígeno (Fig. 5a) presente en el tumor es significativamente mayor en los tumores con DR en comparación con los tumores con AR (t= -6,91, valor p < 10-5) y NR (t= -6,0, valor p < 10-5), mientras que la diferencia entre los tumores con AR y NR no es significativa. Sin embargo, existe una superposición significativa entre las distribuciones, lo que indica que es posible tener una gran calidad máxima del neoantígeno con una respuesta deficiente a la terapia. Por lo tanto, la calidad del neoantígeno más inmunogénico es un predictor general deficiente de la respuesta a la terapia.
El trabajo previo sugiere una relación entre la antigenicidad media ponderada y el éxito de la terapia[18]. De hecho, encontramos que los tumores con una respuesta duradera a largo plazo a la terapia tienen una antigenicidad media ponderada significativamente mayor que los tumores con NR (t= -13,1, valor p < 10-5) o AR (t= -12,5, valor p < 10-5) (Fig. 5b). Las distribuciones de cola larga de cada una indican que hay un número sustancial de tumores con NR y AR que tienen una alta antigenicidad media ponderada, pero no logran una respuesta duradera, lo que demuestra que una alta inmunogenicidad promedio en todo el tumor no es suficiente para garantizar una respuesta duradera.
Un mayor número de mutaciones neoantigénicas está significativamente correlacionado con una respuesta duradera a largo plazo. Por cada tumor simulado, contamos el número de mutaciones neoantigénicas únicas presentes en al menos el 10% de la población tumoral al inicio de la terapia (Fig. 5c). Los tumores que no responden y aquellos con resistencia adquirida tienen números estadísticamente diferentes pero cualitativamente similares de mutaciones neoantigénicas al comienzo de la terapia (Fig. 5c). Los tumores MMR-D con NR tienen, en promedio, alrededor de 7,3 ± 3,5 mutaciones neoantigénicas en al menos el 10% del tumor en el momento del inicio de la terapia (Fig. 5c), mientras que los tumores con AR tienen un promedio de alrededor de 8,2 ± 3,5 de tales mutaciones (Fig. 5c). Los tumores con una respuesta duradera tienen el mayor número total de mutaciones por tumor, con aproximadamente 10,0 ± 3,9 mutaciones neoantigénicas por encima del umbral del 10% (Fig. 5c).
Para describir el equilibrio general de la estructura mutacional del tumor, utilizamos un índice de árbol desarrollado recientemente para aplicaciones en ecología y oncología[24], que tiene en cuenta tanto las relaciones filogenéticas como el tamaño de las poblaciones subclonal individuales. Este índice es robusto para comparar tumores con diferentes números de subclones y es menos sensible a la presencia o ausencia de subclones raros que otros índices de equilibrio de árboles[24]. En resumen, un tumor con una acumulación de muchas mutaciones secuenciales tendrá un pequeño índice de árbol (mínimo 0), mientras que un tumor con muchas mutaciones únicas que se ramifican desde una única población clonal fundadora tendrá un índice de árbol más grande (máximo 1). Encontramos que el índice de árbol es, en promedio, significativamente menor en el grupo de respuesta duradera que en cualquiera de los otros grupos (Fig. 5d): los tumores con DR tienen un índice de árbol de 0,37 ± 0,069, mientras que los tumores con AR tienen un índice de árbol de 0,43 ± 0,057 y los tumores con NR, 0,44 ± 0,050. La distribución de DR es la más variable, probablemente porque la adquisición temprana de una mutación clonal inmunogénica daría como resultado un tumor que responde bien a la terapia, independientemente de la arquitectura filogenética de los eventos mutacionales posteriores.
En ausencia de una mutación neoantigénica clonal, aproximadamente un número igual de tumores MMR-D no responden (41,7%) o adquieren resistencia (47,9%), mientras que pocos (10,4%) logran una respuesta duradera (Fig. 5e). Sin embargo, en presencia de un neoantígeno clonal, el 70,4% de los tumores logran DR (Fig. 5e), seguido del 17,9% de AR y el 11,7% de NR. La fracción de respuestas duraderas de MMR-D que surgen de tumores que contienen un neoantígeno clonal es del 85,7%, mientras que el 14,3% restante surge de casos sin un neoantígeno clonal. En el caso de los tumores MMR-P, el 5,1% logró una respuesta duradera, de los cuales el 98,0% contenía un neoantígeno clonal. En resumen, nuestros resultados sugieren firmemente que, en la mayoría de los casos, la presencia de un neoantígeno clonal fuerte es clave para obtener una respuesta duradera a la ICI.
Los tumores que responden de forma duradera y que presentan una mutación clonal son significativamente diferentes de los tumores que responden (DR) pero que no presentan ninguna mutación clonal en términos de estructura clonal. Específicamente, en los tumores DR sin un neoantígeno clonal, el número de subclones es mayor (t = 12.1, p-valor p ≥ 0,0001 y cuatro estrellas indican p ≤ 0,0001. Incluimos los valores p y las estadísticas t en las comparaciones pertinentes a lo largo del artículo.
Resumen de la información
Se proporciona información adicional sobre el diseño de la investigación en el Resumen de información de Nature Portfolio vinculado a este artículo.
¡Aún no hay comentarios. Sé el primero en comentar!