- 著者: Yang X, Liu W, Macintyre G, Van Loo P, Markowetz F, Bailey P, Yuan K
- Corresponding author: Yang X (Hunan University); Bailey P (Botton-Champalimaud Pancreatic Cancer Centre); Yuan K (University of Glasgow)
- 雑誌: Cell Reports
- 発行年: 2026
- Epub日: N/A
- Article種別: Original Article
- PMID: 41832954
背景
腫瘍内不均一性 (ITH: intratumor heterogeneity) は癌の普遍的特徴であり、腫瘍細胞が宿主の免疫系や治療への選択圧に適応しながら進化する過程を反映する。多領域シーケンシングにより個々の腫瘍の分岐進化が明らかにされてきたが (Gerlinger et al. NEnglJMed 2012)、癌種を超えたコンセンサス進化状態の同定やITHと腫瘍微小環境 (TME: tumor microenvironment) の統合解析は困難であった。腫瘍免疫微小環境の網羅的解析により、免疫浸潤パターンが予後や免疫療法応答と密接に関連することが大規模TCGAコホートで示されているが (Thorsson et al. Immunity 2018)、こうした免疫的特徴が腫瘍の進化動態とどのように連動して変化するかはほとんど不明であった。癌免疫編集 (cancer immunoediting) の理論的枠組みでは、免疫監視→免疫平衡→免疫回避という段階的プロセスが提唱されているが (Schreiber et al. Science 2011)、このプロセスをバルクシーケンシングデータから定量的・汎癌的に捉えるアプローチは gap in knowledge として残されていた。変異シグネチャー解析で実績のある非負値行列因子分解 (NMF: non-negative matrix factorization) を癌細胞分率 (CCF: cancer cell fraction) 分布に適用することで腫瘍進化のコンセンサスシグネチャーを同定できる可能性があるが、ITHとTMEの動的連関を汎癌的に解析した大規模研究は手薄であった。
目的
TCGA (The Cancer Genome Atlas) の大規模汎癌コホートにおけるCCF分布のNMF分解を通じて、(1) 腫瘍進化のコンセンサスシグネチャーをデータ駆動的に同定しPCAWG (Pan-Cancer Analysis of Whole Genomes) コホートで検証すること、(2) 進化動態シグネチャーとゲノム不安定性・変異プロセスの関連を解析すること、(3) 進化状態と腫瘍免疫微小環境の動的連関を解明すること、(4) 進化サブタイプによる臨床アウトカムおよび免疫チェックポイント阻害薬 (ICI: immune checkpoint inhibitor) 奏効予測を達成すること。
結果
4つのコンセンサス進化動態シグネチャーの同定と検証: NMFにより4つの進化動態シグネチャー (ES) が同定された。ES1は低CCF値が濃縮したleft-skewed分布で、中立進化の理論的予測 (1/f分布) に近似し、定常フィットネス動態下のpassenger変異またはselected subclone内の新規変異と整合する。ES2はCCF 0.25-0.55の釣り鐘型分布で、初期〜中等度のサブクローン拡大を示す。ES3はCCF 0.60-0.80の釣り鐘型分布で、クローン優位に近い進行期サブクローン拡大を反映する。ES4はCCF高域が優占し強い正の選択またはfixationによる広範なクローン拡大を示す (Fig 1B, C)。PCAwGコホートを用いたプラットフォーム間検証では、ES4はcosine similarity=0.98、TCGA-PCAwG (n=567) でSpearman r=0.81 (p<2.2×10-16) と最高の一致を示し、ES3はr=0.49 (p<2.2×10-16)、ES2はr=0.41 (p<2.2×10-16) と再現性を確認した (Fig 1D, E)。ES1はWES (whole exome sequencing) とWGS (whole genome sequencing) 間で一致が弱く、低CCF変異の検出感度が深度依存であることと整合する。
ゲノム不安定性・変異シグネチャーとの関連: 汎癌レベルで、初期進化シグネチャー (ES1、ES2) はコピー数負荷・HRD・異数性スコア・予測新抗原負荷・変異率と全般的に逆相関した。ES1はBLCAでHRDと R=-0.47 (p=7×10-5)、LUADでコピー数負荷と R=-0.51 (p=2×10-7) の逆相関を示した。後期シグネチャー (ES3、ES4) はこれらと正相関した (Fig 2C)。ES4は特にAPOBEC変異シグネチャーSBS2とBLCAでR=0.77 (p=1×10-35)、LUADでR=0.62 (p=9×10-16)、喫煙関連SBS4とLUADでR=0.84 (p=2×10-27)、LUSCでR=0.75 (p=2×10-10)、HRD関連SBS3とBRCAでR=0.66 (p=2×10-26)、dMMR (mismatch repair deficiency) 関連SBS15とUCECでR=0.75 (p=3×10-7) の強い正相関を示した (Fig 2B)。ES3とES4はLUADでITHとコピー数負荷に対して逆方向の相関を示し (ITH: ES3 R=0.27 vs ES4 R=-0.28; コピー数負荷: ES3 R=-0.50 vs ES4 R=0.44 in LUSC)、両シグネチャーが「積極的選択」と「選択後固定」という異なる進化状態を反映することが示された。大腸癌の分子サブタイプCMS (Consensus Molecular Subtypes) および乳癌PAM50別解析では、ES3とES4の変異プロセスとの関連がCMS1・CMS3で最も顕著であり、APOBEC SBS2との相関は乳癌HER2-enriched腫瘍のES3で最も強かった (R=0.66) (Fig 2D)。
腫瘍免疫微小環境の動的変化—適応免疫から自然免疫へのシフト: ES3は白血球分画・リンパ球浸潤スコア・IFNγ応答・TGFβ応答・マクロファージ調節と広範に正相関し、高い適応免疫活性を示した (HNSCでR=0.40、p=4×10-9; LIHCでR=0.52、p=6×10-8; LUADでR=0.39、p=2×10-7; LUSCでR=0.48、p=3×10-10; SKCMでR=0.51、p=2×10-10) (Fig 3A)。一方ES4は同一癌種でこれらと逆相関し (HNSCでR=-0.42、p=5×10-10; LIHCでR=-0.38、p=9×10-5; LUADでR=-0.37、p=6×10-7)、リンパ球低値・単球高値のパターンを呈した。ES4とES3の差 (ES4-ES3 deviance) が増大するにつれ非単球白血球分画が低下し単球分画が上昇する負の相関が汎癌的に観察され、クローン固定への進行に伴い適応免疫から自然免疫プログラムへの系統的シフトが生じることが示された (Fig 3C, D)。腫瘍純度を偏相関解析および共変量とした線形回帰で調整した後も関連は有意を維持した。CRC・UCEC・STADにおいて免疫回避を示す腫瘍はES3比率が有意に高く (p=1×10-4、Kruskal-Wallis)、ES3Hiサブタイプはクローナル新抗原負荷・Th1 (T helper 1) 細胞活性化・TCR (T cell receptor) 多様性が高値を示した (Wilcoxon p<0.01) (Fig 4B)。HLA (human leukocyte antigen) LOH (loss of heterozygosity) 解析ではES3HiとES4Hi間に系統的差異はなく、免疫スイッチはHLA対立遺伝子の選択的喪失よりも広範な染色体不安定性の違いを反映していた。
ドライバー遺伝子の選択パターンと経路富化: 409コンセンサスドライバー遺伝子のCCF分布をES3HiとES4Hi腫瘍間でKolmogorov-Smirnovテストにより比較した。多くの癌種でES4Hi方向への正の選択が認められた主要ドライバーにはFBXW7、ATRX、ARID1A、KMT2D、PTEN、PIK3CA、SETD2、RB1、CTNNB1、ERBB2、CDK2NA、FAT1が含まれた。大腸癌のFBXW7はES3Hi (中央値CCF=0.71、n=264) からES4Hi (中央値CCF=1.0、n=154) にCCF分布が有意にシフトし (p=6×10-8、Kolmogorov-Smirnov; Fig 5A)、クローン固定への移行と強く連動した。逆に乳癌のNF1は負の選択を示し (ES3Hi中央値CCF=0.67、n=180; ES4Hi中央値CCF=0.29、n=45; p=1.5×10-20)、競合するfitter subcloneによる排除が示唆された。経路富化解析では、正の選択を受けたドライバーがクロマチンリモデリング (KMT2D、ARID1A、KMT2C)、RTK/RAS (NF1、ERBB2、KRAS、BRAF)、PI3K (PTEN、PIK3CA、PIK3R1)、Notchシグナル経路に集中しており、クローン固定への移行が腫瘍-間質相互作用を促進するオンコジェニックプログラムの選択と連動することが示された (Fig 5B-E)。
臨床アウトカムおよび免疫チェックポイント阻害薬応答との関連: ES4Hi腫瘍は5癌種でPFS有意不良を示した: 大腸癌 (CRC: HR=2.5、95% CI=1.03-5.92、p=0.043)、腎明細胞癌 (KIRC: HR=1.8、p=0.05)、肝細胞癌 (LIHC: HR=1.9、95% CI=1.02-3.52、p=0.043)、前立腺癌 (PRAD: HR=2.9、95% CI=1.4-5.83、p=0.004)、子宮体癌 (UCEC: HR=2.3、95% CI=1.11-4.98、p=0.025; log-rank test; Fig 6A)。予後不良の方向性は16癌種全体で一致した。ニボルマブ治療黒色腫コホート (n=41ペア) では、前治療baseline ES4はCR/PR・SD・PD群間で差がなかった。一方、on-therapy ES4は奏効群 (CR/PR) でPD群より有意に高値を示し (p=0.027、two-sided Wilcoxon)、SDは中間値を呈した。逆にon-therapy ES3-ES4スコアはCR/PR群でPD群より有意に低値であった (p=0.018; Fig 6B, C)。これらの知見は、免疫チェックポイント阻害薬奏効例ではon-therapyにおけるクローン固定方向のシフト (ES4上昇) が特徴的であり、治療反応の動的モニタリング指標としての応用可能性を提示する。
考察/結論
本研究はCCF分布のNMF分解という新規な計算フレームワークを開発し、腫瘍進化を中立動態 (ES1) →初期サブクローン拡大 (ES2) →進行期サブクローン拡大・適応免疫優位 (ES3) →クローン固定・自然免疫優位 (ES4) という連続スペクトラムとして定量化した。これまでの研究では、ITHの定量化は個別癌種の単一時点解析や系統樹推定に基づくアプローチが中心であり、汎癌的なコンセンサス進化状態とTMEの動的変化を統合した大規模解析は不足していた (McGranahan et al. Cell 2017)。本研究は新規に、クローン固定への進行に伴い適応免疫から自然免疫への系統的シフトが汎癌的に生じることを定量的に示した点で既報と異なる知見を提供する。
この適応-自然免疫スイッチは、cancer immunoediting理論における「免疫圧力が最初は腫瘍増殖を抑制するが最終的には免疫回避クローンを選択する」というモデルと整合し、ES3 (リンパ球浸潤・高新抗原負荷) からES4 (単球優位・高コピー数負荷) への移行が免疫逃避の進化的証拠として解釈できる。ES3HiとES4Hi間のHLA-LOH解析では系統的差異がなかったことから、この免疫スイッチは特定のHLA対立遺伝子喪失よりも広範な染色体不安定性の違いを反映していると考えられる。ドライバー遺伝子選択パターンの解析では、クロマチンリモデリング・RTK/RAS・PI3K・Notch経路が優先的に選択されることが複数癌種で一致しており、腫瘍-間質相互作用と自然免疫動員を促進するオンコジェニックプログラムがクローン固定を駆動する共通原理の存在を支持する。
臨床的意義として、ES exposureは標準的なWES/WGSデータから算出可能なため、大規模臨床コホートへの実装も現実的である。腫瘍変異量 (TMB: tumor mutation burden) や単一遺伝子変異を超えた動的・進化論的バイオマーカーとしての臨床応用が期待され、特にon-therapy ESスコアの動的変化が免疫チェックポイント阻害薬奏効に伴う腫瘍進化の再構成を反映する可能性は、治療中モニタリングへの橋渡し (bench-to-bedside) につながる重要な知見である。ES4Hi腫瘍が免疫チェックポイント阻害薬治療下でon-therapy ES4が高値を示す機序については、免疫活性化による腫瘍クローン収縮と残存クローンの再構成を反映している可能性があるが、詳細なメカニズム解明は今後の検討課題として残されている。
残された課題として、(1) ES1の推定が低カバレッジWESでは感度低下すること (>120× の深度基準が設定されているが、さらに深度増加またはエラー補正シーケンシングが必要な場合がある)、(2) 単一時点バルクシーケンシングによる解析のため空間的不均一性を考慮できず、多領域シーケンシングデータへの拡張が必要であること、(3) 免疫療法応答解析に用いた黒色腫コホートは単一癌種・少数例 (n=41ペア) であり、より大規模な前向き外部コホートでの検証が必要であることが挙げられる。また、各ESが予後を一様に予測するわけではなく癌種特異的な洗練化が臨床有用性を高める可能性についても、更なる検討が求められる。
方法
TCGA全エクソーム配列解析データから4,146腫瘍 (16癌種) を対象とした。包含基準は (1) 確実に呼び出されたprivate変異 ≥30件、(2) 平均シーケンシング深度 >120×、(3) 各癌種で ≥100サンプル。体細胞変異のCCFはCcubeアルゴリズムを用いて推定し、コピー数変化および腫瘍純度を補正した。各癌種において100等分CCFビン×サンプル数の行列を構築し、NMFを適用してtype-specific進化シグネチャーを抽出した。最適ランク数はBrunetアルゴリズムを用いた1,000回ランダム初期化と1,000回シャッフルマトリクスによる過学習最小化により決定した (ランク3-10を評価、コペネティック相関係数・分散説明率・KL divergenceなど6指標)。Type-specific シグネチャーはunsupervised hierarchical clusteringにより統合し、最適クラスター数をHubert indexで決定、コンセンサスシグネチャーを取得した。各サンプルへのシグネチャーexposure推定はYAPSA (Yet Another Package for Signature Analysis) パッケージのLCD (Linear Combination Decomposition) で実施し、処理済みexposure行列はData S1として提供された。プラットフォーム間検証にはPCAWG WGSデータ (n=2,365) を使用し、両コホートに登録された567例でcross-platform concordanceを評価した。ES exposureとゲノム不安定性指標 (相同組換え欠損 HRD: homologous recombination deficiency、ITH、異数性スコア、コピー数負荷、予測新抗原負荷、変異率)、COSMIC v3.3変異シグネチャー重み係数、および腫瘍免疫微小環境特徴 (白血球分画・リンパ球浸潤スコア・TGFβ応答・IFNγ応答・単球分画・マクロファージ調節) との関連はSpearman相関で評価した。腫瘍純度の交絡を調整するため、偏相関解析と線形回帰モデルも並行実施した。ES3Hi (ES3-high) とES4Hi (ES4-high) サブタイプ (ES3-ES4 deviance [ES3 and ES4 exposure difference score] の1/3・2/3分位でサブタイプを定義) 間での409コンセンサスドライバー遺伝子のCCF分布変化はKolmogorov-Smirnovテストで評価した。無増悪生存 (PFS: progression-free survival) はCox比例ハザードモデル (年齢・性別で層別化) で解析し、Kaplan-Meier曲線はlog-rankテストで比較した。免疫チェックポイント阻害薬応答の解析には、ニボルマブ治療黒色腫コホート (Riaz et al. 2017; GEO: GSE91061、n=41ペアバイオプシー: 治療前・治療後約4週間) を用い、奏効群 (CR/PR)・SD・PD間でWilcoxon rank-sum testにより比較した。全多重比較はBenjamini-Hochberg FDR (false discovery rate) 補正を適用した。