国际顶刊综述：免疫治疗疗效预测性生物标志物（一）

主要观点总结

本文探讨了实体肿瘤免疫检查点抑制剂（ICIs）疗效的预测性生物标志物，重点介绍了静态预测性生物标志物，包括FDA批准的基于组织的生物标志物PD-L1表达、肿瘤突变负荷（TMB）以及微卫星高度不稳定（MSI-H）等，并讨论了其局限性以及未来多模态生物标志物模型的重要性。文章还提到了基于组织的生物标志物的新发现、挑战以及机器学习方法在生物标志物设计中的应用。

关键观点总结

关键观点1: PD-L1表达作为预测ICI疗效的生物标志物有诸多限制，不同癌症类型中PD-L1的截断值、评估PD-L1表达的细胞群体可能存在差异，PD-L1表达与免疫治疗效果之间的相关性较小，且存在肿瘤间和肿瘤内的不一致性。

TMB被用作肿瘤免疫原性的替代指标，且较高的TMB与肿瘤免疫原性相关，但TMB与其他多种因素相关，包括新生抗原的呈递、免疫系统识别新生抗原以及宿主产生抗原特异性应答的能力等。目前，TMB是通过二代测序进行测量，可能会因不同机构或商业平台而异。

关键观点2: MSI-H作为ICI应答的泛癌种生物标志物，在多个癌种中表现良好，但使用MSI状态也存在局限性，如部分dMMR结直肠癌患者对ICI治疗无应答，以及只有一小部分癌症患者是MSI-H肿瘤。

基于组织的生物标志物研究新发现强调了肿瘤微环境及肿瘤细胞与免疫细胞之间相互作用的系统分析的重要性，这有助于阐明影响ICI应答的因素。同时，机器学习方法也被提议作为推动生物标志物发现的方法。

关键观点3: 基于组织的生物标志物存在挑战，包括分析方法的局限性、肿瘤异质性、患者异质性等。因此，需要更广泛适用的生物标志物来预测应答并指导患者管理。

未来研究应更广泛地纳入宿主免疫能力、肿瘤内在特征以及单个患者肿瘤免疫成分的评估结果，以更好地预测哪些患者将产生免疫应答。