- 著者: A. Yaacov, A. Grinshpun, R. Gillis, A. Pomerantz, R. Basheer, N. Asna, N. Peled
- Corresponding author: Adar Yaacov (Helmsley Cancer Center, Shaare Zedek Medical Center / Hebrew University of Jerusalem, Israel)
- 雑誌: ESMO Open
- 発行年: 2026
- Epub日: N/A
- Article種別: Original Article
- DOI: 10.1016/j.esmoop.2026.108305
背景
転移性非小細胞肺癌 (NSCLC) の免疫チェックポイント阻害 (ICI) は標準治療となったが、恩恵を受けるのは一部にとどまり、予測 biomarker の必要性が高い。ICI は主に PD-L1 発現で導かれるが、PD-L1 は全ての responder を捕捉できず、多くの潜在的恩恵患者を除外する。腫瘍変異負荷 (TMB) も高変異腫瘍が neoantigen を多く産生する生物学的根拠から報告されてきたが、TMB-high は NSCLC の約 30–40% にすぎず、患者の 60–70% は TMB-low に分類され、PD-L1 以外の biomarker 選択肢が乏しい。
先行研究として、① Sha et al. CancerDiscov 2020 は TMB の予測 biomarker としての意義と限界を整理した。② Ozaki et al. CancerImmunolImmunother 2020 は TMB と免疫・ゲノム因子を biomarker として評価した。③ Skoulidis et al. CancerDiscov 2018 は STK11/KEAP1 共変異が ICI 抵抗性を規定することを示した。APOBEC (apolipoprotein B mRNA editing enzyme, catalytic polypeptide-like) シチジンデアミナーゼは 特定のトリヌクレオチド (TpCpW) モチーフに C>T/C>G 変異を誘導し、高 TMB・免疫原性 neopeptide・免疫浸潤微小環境と関連する。しかし従来の APOBEC-ICI 関連は主に TMB-high 腫瘍で報告され、NSCLC のデータは後方視的・小規模にとどまり、TMB-low での臨床的有用性は未解明であった。すなわち「APOBEC が TMB や PD-L1 と独立に、TMB-low NSCLC で ICI 奏効を予測するか」という知見が不足していた。本研究はこの gap を、大規模 discovery コホートと外部検証で埋めることを狙う。
目的
TMB-low 転移性 NSCLC において APOBEC 変異署名が ICI 奏効を特異的に予測するか、そしてその予測価値が TMB・PD-L1 発現・喫煙変異署名から独立しているかを、ICI 治療群と非治療比較群を用いた正式な交互作用検定と外部検証により確立することを目的とする。
結果
APOBEC 陽性が ICI 治療下で OS を有意に改善する：discovery コホートは MSK-CHORD の TMB-low (<10 mut/Mb) ICI 治療 857 例で、機械学習署名検出法 MESiCA (Mutational Embeddings, Signatures in Cancer Assays) で 52 例 (6.1%) が APOBEC 優位と分類された。APOBEC 陽性は APOBEC 陰性に比べ OS が有意に良好で、median OS は 33.7 か月 vs 17.4 か月、HR 0.60 (95% CI 0.42-0.85, P=0.004) と死亡リスクを 40% 低減した (Fig 1B)。一方 ICI 非治療 1328 例 (APOBEC 陽性 7.2%) では APOBEC と生存の関連はなく (HR 0.98, 95% CI 0.77-1.29, P=0.85)、予測的効果を裏づけた (Fig 1C)。
予測的 vs 予後的の識別と疾患制御率：ICI 治療群と非治療群を統合した交互作用検定で APOBEC×治療の交互作用が有意 (interaction HR 0.62, 95% CI 0.41-0.96, P=0.032) で、APOBEC 利益が ICI 特異的であり一般的予後因子でないことを統計的に示した。化学療法のみに比較群を限定しても同一結果 (n=918) であった。補完的臨床エンドポイントとして疾患制御率 (DCR) を評価し、APOBEC 陽性は全時点で有意に高く、90 日 (23.1% vs 9.3%, OR 2.93, P=0.011)、120 日 (22.0% vs 8.5%, OR 3.03, P=0.009)、180 日 (21.4% vs 7.6%, OR 3.32, P=0.006) で約 3 倍の疾患制御を示した (Fig 1D)。
PD-L1・年齢・喫煙署名から独立：PD-L1 状態と年齢で調整した多変量 Cox で APOBEC 陽性は独立予測因子として有意に生存改善と関連し (adjusted HR 0.57, 95% CI 0.40-0.81, P=0.002)、調整後効果量は単変量より大きく交絡が信号を減衰させていたことを示した (Fig 1E)。ECOG 調整解析でも HR 0.55 (P=0.001) と保たれた。喫煙変異署名自体は予測価値がなく (P=0.885)、喫煙陰性亜群 (n=627) で APOBEC 効果は完全に保存され (HR 0.59, P=0.004)、喫煙署名調整後も APOBEC 推定値は不変 (adjusted HR 0.57, P=0.002) であった。
PD-L1 陰性例で特に顕著かつサブグループで一貫：PD-L1 陰性亜群で APOBEC 陽性は有意な生存利益を示し (HR 0.51, 95% CI 0.33-0.79, P=0.002, n=517)、biomarker 指針が最も必要な集団で有用であることを示した (Fig 3A)。APOBEC/PD-L1 の 4 群層別で APOBEC 陽性/PD-L1 陰性が最も良好 (HR 0.50, P=0.002) であった。治療ライン (1L HR 0.57 / 2L 以降 HR 0.57)、組織型 (腺癌 HR 0.61 / 扁平上皮癌 HR 0.13)、ドライバー野生型 (KRAS HR 0.62 / EGFR HR 0.52 / STK11 HR 0.61) いずれでも利益が保存された (Fig 3C-E)。
頑健性解析と外部検証：APOBEC 生存利益は全モデリング手法で一貫し、IPTW (HR 0.64, P=0.046)、doubly robust (HR 0.60, P=0.036)、傾向スコアマッチング (HR 0.59, P=0.006)、3/6/9 か月ランドマーク解析、E-value 2.91 (未測定交絡への頑健性、閾値 2.0 超)、bootstrap 1000 回で保たれた (Fig 4)。RMST 解析で APOBEC 陽性は 3 年で 5.5 か月、5 年で 8.8 か月の生存延長を得た。外部検証は 2 つの published WES 研究 (Hellmann 2018 / Rizvi 2015) の TMB-low ICI 治療 82 例 (APOBEC 陽性 11 例) で、PFS が改善し (HR 0.47, one-sided P=0.049)、PD-L1 調整後も独立 (adjusted HR 0.23, 95% CI 0.05-0.94, P=0.020)、ORR も高い傾向 (55.6% vs 25.4%, P=0.068) で discovery と一致した (Fig 5)。
考察/結論
本研究は APOBEC 変異署名が TMB-low 転移性 NSCLC における ICI 奏効の頑健で独立に検証された予測 biomarker であることを、正式な交互作用検定・独立コホート検証・多因子調整で示した。① 先行研究との違い：APOBEC-ICI 関連を主に TMB-high 腫瘍で報告してきた従来研究と異なり、本研究は biomarker 指針が乏しい TMB-low 集団に焦点を当て、後方視的・小規模にとどまっていた NSCLC の従来報告と対照的に大規模 discovery + 外部検証を統合した。ICI 非治療群で利益が完全に消失した点は、APOBEC が単なる予後因子であるとする解釈とは相違する明確な証拠である。② 新規性：本研究で初めて、APOBEC が TMB-low NSCLC で PD-L1・年齢・喫煙署名から独立に ICI 奏効を予測し、特に PD-L1 陰性例で顕著な利益をもたらすことを大規模に実証した。臨床で汎用される targeted panel から MESiCA で低変異数試料でも APOBEC を検出できる点も novel である。③ 臨床応用：APOBEC 検査は既存の分子プロファイリングワークフローに追加組織・シークエンスなしで統合でき、PD-L1 陰性 TMB-low 患者で ICI か化学療法かの治療選択を傾ける判断材料となりうる臨床的意義が大きく、bench-to-bedside の橋渡しに直結する。④ 残された課題：今後の検討として、本研究は後方視的であり進行中の ICI 試験に組み込んだ前向き検証が必要で、ドライバー陽性層の APOBEC 陽性数が少なく亜群結論は限定的であり、外部検証コホートが小規模で検出力が事後的である点が limitation として残る。今後は TMB・PD-L1 との複合 biomarker 戦略の開発と、1L PD-L1 陰性/低発現設定での評価が高優先課題である。結論として、APOBEC 変異署名は PD-L1・年齢・喫煙変異から独立した予測 biomarker として、転移性肺癌免疫療法の臨床判断アルゴリズムへの組み込みを支持する。
方法
MSK-CHORD データベースの MSK-IMPACT アッセイでゲノムプロファイルされた stage IV NSCLC の後方視的解析。discovery コホートは (i) ICI (抗 PD-1/抗 PD-L1/抗 CTLA-4、単剤・併用) を 1 回以上受けた ICI 治療群と (ii) ICI 未治療の比較群からなり、組織学的確定・stage IV・MSK-IMPACT データ・治療経過/OS データ・マイクロサテライト安定を条件とした (MSI-high は除外)。TMB は非同義体細胞変異数をパネルコード領域被覆 (~1.2 Mb) で除して mut/Mb で算出、TMB-low は <10 mut/Mb と定義。APOBEC 署名は targeted panel の低変異数データ向け機械学習アルゴリズム MESiCA (Mutational Embeddings for Signatures Identification in Cancer Assays) で判定し、COSMIC SBS2/SBS13 が優位過程 (cosine similarity >0.6) の場合を APOBEC 陽性とした。OS は初回 MSK-IMPACT シークエンスから全死亡まで、DCR は 90/120/180 日ランドマークでの無増悪割合と定義。統計は Kaplan-Meier + log-rank、Cox 比例ハザードで HR・95% CI を算出し、予測 vs 予後の識別に APOBEC×ICI 治療の交互作用項を Cox モデルに投入。多変量 Cox は PD-L1 状態と年齢で調整、傾向スコア重み付け (IPTW) は年齢・性・喫煙・組織型・PD-L1・ECOG・治療ラインから推定、ECOG は多重代入 (m=10, Rubin’s rules)、傾向スコアマッチングは可変比 up-to-1:4 最近傍 (caliper 0.2 SD)、E-value 解析で未測定交絡への頑健性、ランドマーク解析 (3/6/9 か月)、RMST (36/60 か月, bootstrap CI 1000 回) を実施。外部検証は Hellmann 2018 (Cancer Cell, n=75, nivolumab+ipilimumab) と Rizvi 2015 (Science, n=34, pembrolizumab) の WES データで、TMB-low ICI 治療 82 例を対象とした。discovery は two-sided、外部検証は one-sided P 値を用い、Python 3.10 (lifelines, scipy, pandas, matplotlib) で解析した。データは cBioPortal (MSK-CHORD) と published supplementary から取得した。