Cross-cohort transcriptomic analysis identifies a reproducible immune-active program associated with neoadjuvant treatment response in rectal cancer

Im Kampf gegen lokal fortgeschrittenen Rektalkrebs greifen Ärzte oft auf eine Strategie namens neoadjuvante Therapie zurück. Dabei erhält der Patient vor der Operation Chemotherapie und Bestrahlung, mit dem Ziel, den Tumor zu verkleinern, um ihn leichter entfernen zu können oder sogar die Organerhaltung zu ermöglichen. Doch die Reaktion des Körpers auf diese Therapie vor der Operation ist ein Glücksspiel. Einige Patienten sprechen so gut an, dass im bei der Operation entfernten Gewebe keine Krebszellen mehr vorhanden sind – ein Ergebnis, das als komplette Remission bekannt ist. Andere zeigen kaum Veränderungen, wodurch ein Tumor zurückbleibt, der weiterhin einer aggressiven Entfernung bedarf. Jahrzehntelang suchten Forscher nach einem Weg, vorherzusagen, wer in welche Gruppe fallen wird, noch bevor die Behandlung beginnt. Sie untersuchten die genetischen Anweisungen innerhalb der Tumorzellen in der Hoffnung, ein spezifisches Muster der Aktivität zu finden, das auf einen guten Ausgang hindeutet. Die Herausforderung bestand darin, dass diese genetischen Muster oft unterschiedlich aussehen, je nachdem, welches Labor sie untersucht oder welches Gerät sie gemessen hat, was es schwierig machte, einem einzelnen Befund als universeller Regel zu vertrauen.

Ein Forschungsteam setzte sich zum Ziel, dieses Problem der Inkonsistenz zu lösen, indem es die Suche nach einem genetischen Prädiktor wie ein strenges Kreuzverhör behandelte. Anstatt sich auf einen einzelnen Datensatz zu verlassen, sammelte das Team genetische Daten von drei verschiedenen Patientengruppen, die alle eine neoadjuvante Behandlung für Rektalkrebs erhalten hatten. Diese Gruppen waren verschieden: Eine wurde mit einer modernen Sequenzierungsmethode gemessen, während die anderen beiden unterschiedliche Arten älterer Microarray-Technologien verwendeten. Die Forscher führten die verschiedenen Datensätze nicht einfach zusammen, was dem Versuch gleichgekommen wäre, Temperaturen in Fahrenheit und Celsius zu vergleichen, ohne sie umzurechnen. Stattdessen analysierten sie jede Gruppe separat, um zu sehen, ob dieselben biologischen Signale in allen Gruppen auftraten. Sie begannen damit, nach breiten Gen-Gruppen oder Signalwegen (Pathways) zu suchen, die scheinbar zusammenarbeiten. In ihrer ersten Analyse der ersten Gruppe identifizierten sie acht solcher Signalwege, die stark mit der Frage verknüpft zu sein schienen, ob ein Patient gut oder schlecht anspricht.

Der wahre Test kam, als sie diese acht Kandidaten nahmen und sie mit den anderen beiden Gruppen abglichen. Die Ergebnisse waren drastisch und aufschlussreich. Sechs der acht Signalwege verhielten sich in der zweiten und dritten Gruppe anders; in einigen Fällen zeigten sie sogar das exakte entgegengesetzte Muster, was darauf hindeutete, dass das, was in einer Gruppe wie ein zuverlässiges Signal aussah, in Wirklichkeit nur ein Zufallsprodukt oder das Ergebnis der einzigartigen Zusammensetzung dieser spezifischen Gruppe war. Nur ein einziger Signalweg blieb standhaft. Dieser Signalweg, bekannt als das „Allograft-Rejection“-Programm (Abstoßungsprogramm für Fremdtransplantate), zeigte in allen drei Gruppen dasselbe starke Signal. Vereinfacht ausgedrückt repräsentiert dieser Signalweg eine koordinierte Immunreaktion des Körpers. Es ist eine genetische Signatur, die darauf hindeutet, dass die Immunzellen des Körpers den Tumor aktiv erkennen und sich darauf vorbereiten, ihn anzugreifen – ähnlich wie das Immunsystem auf ein transplantiertes Organ reagiert, das es als fremd wahrnimmt. Zu den Genen, die dieses Signal steuern, gehörten jene, die für die Präsentation des Tumors an die Immunzellen verantwortlich sind, sowie jene, die den Immunzellen helfen, ihren tödlichen Schlag zu führen.

Die Forscher gruben dann tiefer, um zu sehen, ob sie diesen Befund nutzen könnten, um das Ergebnis für einen einzelnen Patienten vorherzusagen. Sie erstellten für jeden einzelnen Patienten in der Studie einen Score basierend auf der Aktivität der Gene in diesem Immun-Signalweg. Während der Trend auf Gruppenebene klar war – Patienten mit einem guten Ansprechen wiesen im Allgemeinen eine höhere Aktivität in diesem Immunprogramm auf – war der Score nicht präzise genug, um als Kristallkugel für den Einzelnen zu dienen. Die Bereiche der Scores für Patienten, die gut ansprachen, und jene, die es nicht taten, überschnitten sich zu stark, um eine scharfe Linie zu ziehen. Darüber hinaus stellten die Forscher sicher, dass dieses Immunsignal kein mathematischer Trick war, der durch das doppelte Zählen derselben Gene entstand. Sie entfernten alle Gene, die häufig verwendet werden, um Immunzellen zu zählen, und stellten fest, dass die Verbindung zu einer starken Immunpräsenz bestehen blieb. Dies bestätigte, dass der Tumor tatsächlich in einem Zustand hoher Immunaktivität war, verstärkte aber auch die Erkenntnis, dass dieser Zustand eine komplexe biologische Realität ist und kein einfacher An/Aus-Schalter.

Letztlich bietet die Studie eine klare, aber vorsichtige Lektion für die Zukunft von Krebs-Biomarkern. Sie beweist, dass eine spezifische, koordinierte Immunreaktion ein reproduzierbares Merkmal von Tumoren ist, die gut auf eine Behandlung ansprechen. Diese biologische Wahrheit hält über verschiedene Technologien und Patientenpopulationen hinweg stand. Die Studie schließt jedoch explizit die Vorstellung aus, dass dieser einzelne genetische Signature bereit sei, als klinischer Test verwendet zu werden, um einem Arzt mitzuteilen, ob ein spezifischer Patient geheilt wird. Die sechs Signalwege, die sich nicht replizieren ließen, dienen als Warnung, dass viele vielversprechende Ansätze in der Krebsforschung eher spezifisch für die Umstände einer einzelnen Studie sind als universelle Wahrheiten. Der Weg nach vorn liegt laut den Autoren darin, diesen immunaktiven Zustand besser zu verstehen, indem man vielleicht die physische Anordnung der Zellen innerhalb des Tumors betrachtet, anstatt zu versuchen, einen komplexen biologischen Prozess in ein einfaches Vorhersagewerkzeug zu zwingen. Das Immunsystem ist eindeutig an dem Erfolg dieser Behandlungen beteiligt, aber dieses Wissen in einen zuverlässigen Prädiktor für jeden Patienten zu verwandeln, bleibt ein laufender Prozess.