Splicing-derived dual-class MHC neoantigens as candidate biomarkers in melanoma anti-PD-1 response: a pre-registered three-cohort analysis
Questa analisi preregistrata su tre coorti dimostra che i neoantigeni derivati dallo splicing capaci di legare sia le molecole MHC di classe I che di classe II costituiscono un asse biomarcatore distinto e ortogonale al TMB che predice gli esiti di sopravvivenza nei pazienti con melanoma trattati con terapia anti-PD-1, giustificando una validazione prospettica.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Nella battaglia contro il melanoma avanzato, i medici hanno una nuova, potente arma: farmaci che rimuovono i freni al sistema immunitario, permettendo alle difese del corpo di riconoscere e distruggere le cellule cancerose. Questi trattamenti, noti come inibitori dei checkpoint immunitari, hanno salvato vite, ma non funzionano per tutti. Per capire il perché, gli scienziati cercano da tempo indizi all'interno dello stesso tumore. Uno degli indizi principali è stato il numero totale di errori genetici, o mutazioni, che una cella cancerosa trasporta. Più errori possiede una cella, più è probabile che appaia estranea al sistema immunitario, e migliore è solitamente la risposta del paziente al trattamento. Tuttavia, questa misura degli errori genetici spiega solo una parte della storia. Molti pazienti con un alto numero di mutazioni non migliorano comunque, mentre alcuni con meno mutazioni lo fanno. Questa discrepanza suggerisce che il sistema immunitario stia reagendo a qualcos'altro che il tumore sta nascondendo, qualcosa che il conteggio genetico standard non riesce a rilevare.
Un nuovo studio di Zulkarnain Sajid della Jahangirnagar University esplora una diversa fonte di questi segnali nascosti. Invece di guardare solo agli errori permanenti nel codice del DNA, la ricerca si concentra su come le cellule leggono quel codice. All'interno di ogni cellula, il DNA viene trascritto in RNA, che funge da manuale di istruzioni temporaneo per la costruzione delle proteine. Spesso, le cellule modificano questi manuali, tagliando sezioni e cucendo insieme i pezzi rimanenti in modi diversi, un processo chiamato splicing. Nel cancro, questa modifica impazzisce, creando manuali di istruzioni unici che non esistono nelle cellule sane. Questi manuali difettosi possono produrre proteine strane e nuove che il sistema immunitario potrebbe riconoscere come invasori. La domanda posta da questo studio era se questi errori di splicing creino un tipo distinto di segnale che possa aiutare a prevedere chi risponderà all'immunoterapia, indipendentemente dal consueto conteggio delle mutazioni genetiche.
Per trovare la risposta, il ricercatore ha analizzato i dati di tre gruppi separati di pazienti con melanoma che erano stati sottoposti a farmaci anti-PD-1. Questi gruppi, tratti da studi precedenti, comprendevano un totale di 92 pazienti i cui tumori sono stati valutati prima dell'inizio del trattamento. Il ricercatore ha costruito una pipeline informatica per scansionare le istruzioni dell'RNA di questi tumori, cercando specificamente i tagli e le cuciture unici che creano nuove sequenze proteiche. L'obiettivo era identificare quali di queste nuove sequenze potessero essere presentate sulla superficie delle cellule cancerose al sistema immunitario. Il sistema immunitario ha due tipi principali di sentinelle: una che cerca frammenti proteici brevi e un'altra che cerca frammenti leggermente più lunghi. Lo studio è stato progettato per verificare se gli errori di splicing producessero candidati per entrambi i tipi di sentinelle, un approccio a doppia classe che non era mai stato testato sistematicamente in questo contesto.
L'analisi ha rivelato un insieme specifico di venti distinti modelli genetici, o cluster-tuple, che producevano costantemente questi nuovi frammenti proteici. Questi modelli mappavano ventuno geni diversi all'interno delle cellule cancerose, inclusi i geni chiamati B4GALT7 e IRAK4. Fondamentalmente, lo studio ha scoperto che la presenza di questi segnali derivanti dallo splicing era statisticamente indipendente dal numero totale di mutazioni genetiche. In altre parole, un paziente poteva avere un basso numero di mutazioni standard ma un alto numero di questi segnali di splicing, o viceversa. Questa indipendenza suggerisce che gli errori di splicing offrano una finestra completamente diversa sulla biologia del tumore, che non è solo una ripetizione di quanto già noto riguardo al conteggio delle mutazioni. I segnali erano anche distinti dal carico previsto di mutazioni derivanti dai cambiamenti del DNA, confermando ulteriormente che rappresentano una caratteristica biologica unica.
Quando il ricercatore ha esaminato come questi segnali si relazionassero agli esiti dei pazienti, i risultati hanno mostrato un modello chiaro in uno dei tre gruppi di pazienti, il più grande e bilanciato dei tre. In questo gruppo, i pazienti con livelli più elevati di questi segnali di splicing prima del trattamento tendevano ad avere tempi di sopravvivenza più brevi e un rischio maggiore di recidiva del cancro. Questa scoperta è stata coerente attraverso due diverse misure del progresso del paziente: la sopravvivenza globale e il tempo fino al peggioramento del cancro. Interessantemente, questo specifico modello non mostrava lo stesso forte segnale statistico negli altri due gruppi più piccoli di pazienti. Questa differenza non significa necessariamente che il risultato sia errato; può semplicemente riflettere il fatto che i gruppi più piccoli non avessero abbastanza pazienti per rivelare lo stesso trend, o che i pazienti in quei gruppi fossero stati trattati diversamente o avessero tumori in fasi diverse. Il ricercatore osserva che la direzione del segnale era coerente in tutti i gruppi, anche se la forza statistica variava, suggerendo un reale effetto biologico che studi più ampi potrebbero confermare.
Lo studio ha anche testato se queste scoperte reggevano sotto condizioni più rigorose. Il ricercatore ha rieseguito l'analisi con regole più strette su cosa costituisca un segnale forte e ha scoperto che gli stessi venti modelli rimanevano invariati. Ha anche controllato se i risultati fossero distorti dalla quantità di tessuto sano mescolato con i campioni tumorali in uno dei gruppi. Anche dopo aver effettuato questo aggiustamento, la direzione dei risultati è rimasta la stessa. Tuttavia, il ricercatore avverte con cura che questo lavoro è una fase di scoperta, non una prova definitiva. Lo studio è stato computazionale, il che significa che si è basato sull'analisi di dati esistenti piuttosto che sul test della teoria in un laboratorio o su nuovi pazienti. I venti modelli identificati sono ora forti candidati per ulteriori test, ma non sono ancora stati provati come strumenti clinici per i medici.
La significatività di questo lavoro risiede nella dimostrazione che il sistema immunitario può reagire a uno strato di complessità tumorale che i test standard ignorano. Dimostrando che gli errori di splicing creano un insieme distinto di segnali che sono separati dai consueti conteggi delle mutazioni, lo studio apre una nuova via per comprendere perché alcuni pazienti rispondono all'immunoterapia e altri no. Il ricercatore conclude che, sebbene questi segnali derivanti dallo splicing non siano ancora un biomarcatore validato per l'uso clinico, essi definiscono un nuovo asse di investigazione. I venti modelli candidati identificati, in particolare quelli che coinvolgono i geni B4GALT7 e IRAK4, sono ora obiettivi per esperimenti futuri per vedere se possono essere confermati in laboratorio e, infine, utilizzati per aiutare a selezionare il trattamento giusto per il paziente giusto.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.