neoantigen-vaccine-io-clinical-translation

Neoantigen vaccine + IO clinical translation — HLA 多様性 / clonal selection / mRNA scalability の統合整理

1. 出発点 — Vaccine renaissance を支える 3 つの収束

Cancer vaccine は 1990 年代から 2010 年代前半まで「失敗の歴史」と語られたが (Melero et al. NatRevClinOncol 2014)、(a) IO combination の登場 (Tumeh et al. Nature 2014 が示した PD-1 blockade の pre-existing T cell 依存性)、(b) neoantigen concept の確立 (Schumacher et al. Science 2015)、(c) mRNA-LNP platform の COVID-19 由来の急速成熟 の 3 軸の収束で renaissance を迎えた (Sellars et al. Cell 2022)。直近の pivotal data は KEYNOTE-942 (mRNA-4157 + Pembrolizumab、メラノーマ adjuvant RFS HR 0.561、DMFS HR 0.347) と Autogene cevumeran phase I (PDAC、responder mRFS not reached vs non-responder 13.4 mo、P=0.003 — Rojas et al. Nature 2023)。

本 Output では clinical translation のボトルネックを (I) HLA 多様性 / (II) clonal vs subclonal antigen 選択 / (III) mRNA platform scalability の 3 軸で整理する。NSCLC を最終 application target に据えつつ、メラノーマ・PDAC の先行データから extrapolate する。

2. HLA 多様性 — Vaccine epitope の covering と population coverage

2.1 個別化 vaccine における HLA matching の前提

個別化 neoantigen vaccine の design pipeline は (a) WES + RNA-seq で somatic mutation 同定 → (b) 患者の HLA typing (HLA-A/B/C で I 系、HLA-DRB1/DQB1/DPB1 で II 系) → (c) NetMHCpan / MHCflurry 等の pMHC binding prediction → (d) clonality / expression filtering → (e) top 10-34 epitopes 選択、という流れである (Blass et al. NatRevClinOncol 2021)。各患者の HLA は患者個別に対応するため、theoretical には HLA 多様性の問題は個別化 vaccine では「自動解決」される。

実際の制約は以下:

• CD4+ help の必要性: Melief et al. ClinCancerRes 2013 が示したように、CD8+ CTL の sustained response には CD4+ helper が必須。MHC class II prediction の精度はまだ MHC I より低く、Abelin et al. Immunity 2019 の mass spectrometry-trained MAPTAC 法で MHC II 予測が大幅向上した。neonmhc2 / MixMHC2pred 系のさらなる改善が進行中
• MHC class II inclusion: Kreiter et al. Nature 2015 が前臨床で mutant MHC II epitope の重要性を実証。BNT122 / mRNA-4157 等の最新世代 vaccine は MHC I + MHC II を意図的に balance させた design に進化
• HLA LOH による免疫逃避: Galassi et al. CancerCell 2024 が hallmarks of immune evasion に整理する HLA loss of heterozygosity (LOH) / β2M loss は、vaccine-primed T cell が腫瘍に到達しても認識できなくなる escape 機構。Pre-vaccination の HLA LOH スクリーニング (TCGA-trained HLAloss algorithm) が biomarker selection の rationale を強化

2.2 共有 neoantigen vaccine と HLA restriction

個別化 vaccine の対極にある off-the-shelf shared neoantigen vaccine は HLA 制限を強く受ける。代表例 artARENA-mutKRAS (Pinto et al. CancerGeneTher 2026) は KRAS G12D/V/C/R + G13D の 5 hotspot を arenavirus vector で送達するが、HLA-A11:01 / HLA-B07:02 制限の epitope 設計で、population coverage は global ~50% (Asian 高、Caucasian 中、African 低) に留まる。複数 HLA allele 用 multi-construct (HLA-A*02:01 ver. 等) を並走させる “shared-but-stratified” 戦略が NSCLC への適用には必要となる。

OSE2101 (Atelce) は HLA-A2 制限 10 epitope ペプチド vaccine で、IO failure NSCLC 3L/4L の phase III で OS 改善傾向 (11.1 vs 7.5 mo、HR 0.59)。HLA-A2+ 患者 (Caucasian 40-50% / Asian 25-30%) のみを対象とする necessity が普及の barrier となっている。

2.3 NSCLC における HLA-A 多型と IO response

Naranbhai et al. LancetOncol 2022 が IO response と HLA-A03 の負の相関を疫学的に報告し、HLA 多型自体が IO 効果の biomarker となることを示した。Vaccine + IO の combination では、(a) IO 単剤で不利な HLA-A03 subset を vaccine で rescue できるか、(b) vaccine response の magnitude に HLA-A 多型が影響するか、の 2 つが未解明。NSCLC pivotal trial で HLA-stratified analysis が組み込まれることが望まれる。

3. Clonal vs subclonal neoantigen — どの mutation を選ぶか

3.1 Clonal mutation 優先の理論的根拠

Clonal-evolution-ITH 概念 (Yates et al. NatRevGenet 2012 / Lopez-Bigas et al. Nature 2026) が示すように、tumor は truncal (clonal) mutation と branch (subclonal) mutation の混合である。Truncal mutation は腫瘍創設細胞すべてに存在し、subclonal は一部の sublineage にのみ存在する。

Vaccine 設計で truncal mutation の neoantigen を優先選択する rationale:

1. 全 tumor cell が target: subclonal antigen vaccine では vaccine 非標的の subclonal lineage が残存 → escape
2. Heterogeneity-resistant: tumor heterogeneity (ITH) が高い症例 (NSCLC は高頻度に複数 subclone を持つ) では subclonal antigen の coverage が部分的
3. Long-term durability: truncal antigen への T cell memory が再発抑制に直結

このため Blass et al. NatRevClinOncol 2021 は clonal mutation を vaccine pipeline の selection filter に組み込むことを標準化した。具体的には WES の VAF (variant allele frequency) と RNA-seq の expression で trunkality を score し、top 10-34 epitopes に clonality-weighted ranking を適用する。

3.2 Subclonal antigen の戦略的価値

ただし subclonal antigen の戦略的価値も無視できない。

• Epitope spreading の seed: vaccine が直接誘導した T cell 応答が tumor lysis を引き起こし、新たな抗原 (subclonal 含む) の release → secondary immune response の拡大 (Hu et al. NatMed 2021 の NeoVax 4 年追跡で 6/8 例に epitope spreading 確認)。clonal antigen vaccine から始めて subclonal にも epitope spreading で広がる流れが理想
• Adjuvant setting での subclonal coverage: MRD positive 状態では tumor mass が小さく subclonal lineage が dominant な可能性。Adjuvant vaccine では clonal だけでなく subclonal coverage も意味を持つ
• Indel neoantigen の優先: Turajlic et al. LancetOncol 2017 が示すように indel 由来の neoantigen は frameshift で完全に novel な ORF を生むため SNV 由来より免疫原性が高く、clonality より immunogenicity quality を優先する設計も合理的

3.3 NSCLC における clonal-subclonal balance

NSCLC は smoking-associated mutational burden が高く (Sha et al. CancerDiscov 2020: smoker median ~8-10 mutations/Mb)、clonal + subclonal を合わせると 100-500 候補 mutation が出る。vaccine 容量 (mRNA-4157 で最大 34 epitopes、BNT122 で最大 20) と照らし合わせると all-clonal pure な選択は実現可能で、現状の標準的 design となっている。

ただし Anagnostou et al. CancerDiscov 2017 が示した IO 治療下の neoantigen landscape evolution (response → clonal antigen 喪失、resistance → emerging subclonal) を踏まえると、IO failure 後の “rescue vaccine” では vaccine 設計時の biopsy で取れた新規 (= subclonal-but-emerging) antigen を含める戦略が合理的になる。Pre-IO vs post-IO progression での biopsy timing が vaccine 設計の異なる軸を要求する。

4. mRNA platform のスケーラビリティ

4.1 COVID-19 infrastructure の cancer redeployment

mRNA-LNP platform の最大の利点は COVID-19 mRNA vaccine で確立した GMP 製造 / 規制 / cold chain インフラを cancer に redeploy できることである。BNT162b2 / mRNA-1273 で数十億 dose 級の製造を経験した BioNTech / Moderna は、cancer 個別化 vaccine の 1 ヶ月あたり数百 dose 規模を「同じ施設の sub-line」で吸収可能。これが peptide vaccine や DC vaccine (GMP setup から始める必要あり) との決定的な scalability 差を生む (Sellars et al. Cell 2022)。

4.2 Turnaround time — 6-12 週の壁

ただし個別化 mRNA vaccine の patient-specific turnaround time が依然として臨床 deployment の bottleneck。現行の標準は WES → neoepitope prediction → mRNA design → in vitro transcription → LNP encapsulation → QC release で 6-12 週 (Blass et al. NatRevClinOncol 2021)。

• Adjuvant setting: 切除後 6-12 週の窓に余裕があるため許容範囲 (BNT122 PDAC 試験で術後中央値 9.4 週でワクチン投与開始 — Rojas et al. Nature 2023)
• 1L advanced: 6-12 週の待機中に病勢進行のリスク → IO + chemo を bridging therapy として併用しつつ vaccine 製造を平行する戦略が必要
• Rapid progressor: BTK / driver-positive で急速進行する症例には現実的でなく、vaccine の対象から外す

短縮目標は < 6 週で、 (a) WES turnaround の高速化 (Illumina NovaSeq X / Nanopore long-read で 48h 化)、(b) AI-driven antigen prediction による selection 高速化、(c) modular pre-built mRNA scaffold (constant region pre-synthesized) による合成短縮、(d) automated LNP encapsulation の流れで現実的に達成見込み。

4.3 Multi-epitope concatenation の限界

mRNA vaccine の特徴は single construct で multi-epitope concatenation が可能な点で、mRNA-4157 では最大 34 neoepitopes を単一 polypeptide として encoding する。これにより antigen escape (1 epitope loss → 残り 33 epitopes でカバー) に耐性を持つ。

ただし mRNA 長が伸びるほど (a) IVT の transcription efficiency 低下、(b) LNP encapsulation efficiency 低下、(c) cellular translation efficiency 低下、(d) immunogenicity 低下、の trade-off があり、現実的な上限は 30-50 epitopes とされる。Multi-construct (3-4 本の mRNA に分けて epitope を分散) が次世代設計の方向性で、self-amplifying RNA (saRNA) で投与量を抑えながら epitope coverage を拡大する戦略も並走する。

4.4 Cost と reimbursement

個別化 mRNA vaccine の per-patient cost は $50,000-$200,000 とされ、これは high-end CAR-T (Yescarta ~$400K) より低いが、保険 reimbursement モデルが未確立。Adjuvant 設定 (再発予防、QALY benefit 大) では cost-effectiveness 比較が IO 単独より優位な可能性があるが、PSA / NICE / Japan PMDA の HTA 評価がこれから本格化する。

Off-the-shelf shared neoantigen vaccine (Pinto et al. CancerGeneTher 2026) は per-dose cost を 1/10 以下に圧縮できる可能性があり、HLA matching が許す population で個別化 vaccine と相補的に展開される。

5. IO との synergy — Sequential engagement の設計

5.1 Vaccine = アクセル、IO = ブレーキ解除

Tumeh et al. Nature 2014 が示した PD-1 blockade の pre-existing T cell 依存性は、IO の効果が “T cell が既にいる” 前提に基づくことを意味する。Vaccine は T cell priming = アクセルを担い、IO は brake (PD-1/PD-L1 axis) 解除を担う sequential engagement で、両者は機序的に直交する。

Synergy のエビデンスは:

• KEYNOTE-942: mRNA-4157 + Pembro vs Pembro 単独で RFS HR 0.561 → vaccine の add-on benefit が 44% risk reduction
• NEO-PV-01 + nivolumab: Ott et al. Cell 2020 で response conversion (IO 単剤期間中の progression → vaccine 開始後の奏効転換) が 13% に確認
• BNT122 PDAC: Rojas et al. Nature 2023 で vaccine responder vs non-responder の RFS 差が atezolizumab 併用前提で確立 (cold tumor 代表格の PDAC で機能)

5.2 Optimal sequencing

KEYNOTE-942 / NEO-PV-01 / BNT122 のいずれも IO + vaccine concurrent で、IO を先行・vaccine を後追加する pattern。ただし vaccine 製造期間 6-12 週があるため:

• 切除 → IO 開始 (Pembro adjuvant 標準) → 6-12 週後に vaccine add-on (KEYNOTE-942 model)
• 1L advanced: IO + chemo bridging → 6-12 週後に vaccine add-on
• IO failure 後: rescue vaccine (Anagnostou et al. CancerDiscov 2017 paradigm) → vaccine 製造 6-12 週 → 投与時に IO を維持または rechallenge

5.3 Combined modality — Vaccine + IO + RT + chemo

Lhuillier et al. JClinInvest 2021 が示したように RT は新規 neoantigen を expose して in situ vaccination effect を発揮する。Vaccine (priming) + RT (in situ priming amplifier) + IO (brake release) の triple combination が次世代 paradigm の有力候補。chemoimmunotherapy (Ramakrishnan et al. JClinInvest 2010 の immunogenic cell death) も同軸。

6. NSCLC pivotal への ladder

Wiki 既収のデータから読み取れる NSCLC pivotal trial の ladder:

1. NSCLC adjuvant (perioperative): BNT122 NSCLC adjuvant trial (進行中) と Pembro adjuvant (KEYNOTE-091) の combination が最有望
2. 1L advanced IO + vaccine: NEO-PV-01 + nivolumab phase Ib の NSCLC arm (ORR 39%) を踏まえた phase II/III 設計
3. IO failure rescue: Anagnostou et al. CancerDiscov 2017 paradigm を活用した progression 後 biopsy → vaccine 設計 → IO rechallenge
4. Shared KRAS vaccine + IO: artARENA-mutKRAS の臨床 IND が NSCLC G12C/D/V 25-30% population への展開を可能にする

7. Wiki 既収論文の射程

本回答で引用した一次エビデンスはすべて Wiki 既収 (mRNA-vaccine / Cancer-vaccine entity が網羅)。Rojas et al. Nature 2023 は 21 wikilinks で参照される頻出 missing-citation 候補であり、本 Output で改めて central position に置く価値が高い。

既知ギャップ・今後の調査方向

• NSCLC pivotal data の不在: KEYNOTE-942 (メラノーマ) / BNT122 PDAC は positive だが、NSCLC 専門の phase III ランダム化データがまだない。BNT122 NSCLC adjuvant trial / mRNA-4157 expansion の結果待ち
• HLA LOH スクリーニングの routine 化: pre-vaccination で HLA LOH を identify し、適用除外する biomarker selection の臨床 standard 化
• MHC class II prediction の更なる改善: CD4+ help が vaccine efficacy の重要 driver である割に、MHC II prediction の precision は MHC I より劣る。neonmhc2 / MixMHC2pred 後の次世代 algorithm
• Subclonal escape monitoring: vaccine 投与下の ctDNA で subclonal lineage の dynamics を monitor し、escape clone を予測する frameworks (TRACERx-like longitudinal sampling)
• 共有 vs 個別化のハイブリッド: KRAS hotspot vaccine (Pinto et al. CancerGeneTher 2026) + 個別化 mRNA vaccine の併用設計 (shared を baseline、個別化を boost)
• Low TMB cancer (PDAC、ovarian、SCLC) への適用拡大: Rojas et al. Nature 2023 が PDAC で proof-of-concept を出したが、quality-driven neoantigen selection を low TMB 系全般に拡張する algorithm が必要
• Cost-effectiveness と reimbursement: 個別化 vaccine の HTA 評価枠組み、保険適用基準、QALY benefit per dollar の prospective trial design
• Wiki 未収載: 直近の BNT122 PDAC phase II 続報 (IMCODE 003)、Moderna INTerpath 系の interim、artARENA-mutKRAS phase I 開始時データなど 2026 後半に予想される発表