Prediction of immune checkpoint inhibitor response based on immune phenotype classification

Abstract

The immune phenotype reflects the immune response and is associated with biological mechanisms that can interfere with the elimination of cancer. Additionally, the immune phenotype is known to influence the overall survival of melanoma patients receiving immune checkpoint inhibitor (ICI) treatment. In order to improve the effectiveness of personalized immune therapy, it is essential to develop an algorithm that can accurately and objectively predict an individual's immune environment based on gene expression data from bulk RNA sequencing. The study aims to develop an algorithm called CLIPS (CLassification of Immune Phenotypes-Specific ICI response) using gene expression data from bulk RNA sequencing. The CLIPS predict an individual's immune phenotype and their ICI response based on immune phenotype. The CLIPS demonstrates a robust prediction performance with an AUC of 0.76, enabling the accurate prediction of patient-specific immune phenotypes, thereby replacing the conventional immunohistochemistry (IHC) technique. The accuracy of the previously published predictive tools for ICI treatment response, TIDE and IMPRES, were compared with CLIPS using independent validation data from 41 melanoma patients. The results showed that TIDE achieved an accuracy of 0.63, IMPRES attained an accuracy of 0.58, while CLIPS achieved a higher accuracy of 0.76 based on predicted immune phenotypes, leading to more accurate predictions of individual patient's responses to ICI. In addition, CLIPS can predict responsiveness with high accuracy, regardless of cancer type or type of ICI treatment. Furthermore, this study revealed the association between immune phenotype and the expression of PD-1 and PD-L1 genes as well as the ICI response. The expression of PD-1 and PD-L1 genes was significantly higher in the inflamed immune phenotype compared to the excluded and desert immune phenotypes. Also, the common upregulation of E2F target related genes in both the excluded and desert immune phenotypes in the ICI response group was observed. The E2F pathway appears to increase the expression of PD-1, thereby enhancing susceptibility to ICI . Likewise, the IL-6/JAK/STAT3 signaling pathway was predominantly present in the inflamed immune phenotype, suggesting a favorable response to ICI due to increased PD-L1 gene expression mediated by IL-6 secretion. This study provides important insights into the classification of immune phenotypes, facilitating the development of personalized treatment strategies. Understanding the immune phenotype not only aids in the comprehension of functional characteristics of the immune system but also expands the identification of additional subtypes that can be utilized to predict ICI response. In conclusion, this research contributes significantly to providing personalized treatment options based on understanding and predicting immune phenotypes. This approach has the potential to enhance cancer patient survival rates and optimize the efficacy of immunotherapies. 면역 표현형은 암에 대한 면역력을 반영하며 면역 반응이 암을 제거하는 것을 방해할 수 있는 생물학적 메커니즘과 관련이 있다. 또한 면역 표현형은 면역관문억제제 치료를 받은 흑색종 환자의 전체 생존율에도 영향을 미친다. 이러한 이유로 환자 맞춤형 면역 치료의 효과를 높이기 위해서는 환자 개인의 면역 환경을 객관적으로 정확하게 예측할 수 있는 알고리즘 개발이 필수적이다. 본 연구의 목적은 bulk RNA 시퀀싱 데이터의 유전자 발현 데이터를 활용하여 환자 개인의 면역 표현형을 예측하고, 이를 바탕으로 ICI response를 예측할 수 있는 알고리즘을 구축하는 것이다. 연구에서 개발한 CLIPS (CLassification of Immune Phenotypes-Specific ICI response)는 면역 표현형 특이적 면역관문억제제 반응 예측 알고리즘이다. CLIPS는 bulk RNA 시퀀싱 데이터로부터 0.76의 ACU의 성능을 가지고 환자 특이적인 면역 표현형을 강건한 예측할 수 있어, 기존의 면역조직화학 기법을 대체할 수 있다. 예측 모델의 검증을 위해서, 흑색종 환자 41명의 독립적인 검증 데이터 기준으로 기존에 알려진 2개의 면역관문억제제 반응성 예측 도구인 TIDE와 IMPRES의 정확도를 CLIPS와 비교하였다. 그 결과, TIDE는 0.63, IMPRES는 0.58의 정확도를 가지고 있다. CLIPS는 면역 표현형을 예측 분류하고, 이를 기반으로 개별 환자의 면역관문억제제 반응을 제시하여 정확도 0.76으로 보다 더 정확한 예측이 가능하다. CLIPS는 암 종 또는 ICI 약물 종류에 구분없이 높은 정확도를 가지고 반응성 예측이 가능하다. 나아가 본 연구에서는 PD-1 와 PD-L1의 발현이 면역관문억제제 반응성에 대한 지표뿐만 아니라, 면역 표현형과 연관성이 있음을 밝혔다. PD-1 와 PD-L1 유전자의 발현은 excluded와 desert 면역 표현형 대비, inflamed 면역 표현형에서 통계적으로 유의하게 높은 값으로 존재하고 있다. 또한 excluded 면역 표현형과 desert 면역 표현형의 면역관문억제제 반응 그룹에서 공통으로 Hallmark 유전자 세트 중, E2F 경로와 관련된 발현이 증가한 것을 확인하였다. E2F 경로는 PD-1 유전자 발현을 증가시켜서 면역 관문억제제에 대한 감수성을 증가시키는 것으로 보인다. 그리고 IL-6/JAK/STAT3 신호 전달은 inflamed 면역 표현형의 면역관문억제제 반응 그룹에서 우세하게 존재한다. 이는 IL-6 분비를 통해 PD-L1의 유전자 발현을 증가시켰기에 면역 관문억제제에 좋은 반응성을 기대할 수 있다. 본 연구는 면역 표현형을 구분하는 명확한 전략을 수립함으로써 개인에 맞춤형 치료법을 개발하는 데 중요한 참고 자료가 될 것이다. 면역 표현형은 면역 체계의 기능적 특징을 이해하는 데 도움을 주며, 면역관문억제제 반응을 예측하는 데 사용될 수 있는 추가적인 하위 유형을 확장한다. 결론적으로, 본 연구는 면역 표현형의 이해와 예측을 통해 개인에게 맞춤형 치료법을 제공하는 것에 큰 기여를 할 것이다. 이를 통해 암 환자들의 생존율을 향상시키고 면역 치료의 효과를 극대화할 수 있을 것으로 기대된다.