Usa il pulsante e con una piccola donazione ricevi il Libro

Io Il Genio della Matematica

By clicking the button below, I agree with the Terms & Conditions.
















Facebooktwitterredditpinterestlinkedinmail

Modellazione dell’effetto del microbioma intestinale sull’efficacia terapeutica degli inibitori del checkpoint immunitario contro il cancro

Potenzialità del microbioma intestinale

È stato dimostrato che gli inibitori del checkpoint immunitario hanno un grande successo contro alcune neoplasie metastatiche solide, ma solo per un sottogruppo di pazienti che mostrano risposte cliniche durature. Il tasso di risposta globale del paziente è limitato a causa dell’eterogeneità interpaziente. Studi preclinici e clinici hanno recentemente dimostrato che le risposte terapeutiche possono essere migliorate attraverso la modulazione del microbioma responder. Tuttavia, i meccanismi sottostanti non sono completamente compresi. In questo articolo, abbiamo esplorato l’effetto di batteri intestinali favorevoli e sfavorevoli sull’efficacia terapeutica dell’anti-PD-1 contro il cancro modellando le interazioni tumore-immune- microbioma intestinale e abbiamo ulteriormente esaminato i marcatori predittivi die non responder all’anti-PD-1. La dinamica dei batteri intestinali è stata adattata ai dati clinici dei pazienti con melanoma e i dati dei pazienti virtuali sono stati generati sulla base dei dati clinici di sopravvivenza dei pazienti. I nostri risultati di simulazione mostrano che un basso tasso di crescita iniziale e un basso livello di batteri favorevoli all’inizio della terapia anti-PD-1 sono predittivi di non responder, mentre un alto livello di batteri favorevoli all’inizio della terapia anti-PD-1 è predittivo dei risponditori . I risultati della simulazione hanno anche confermato che è possibile promuovere il tasso di risposta dei pazienti all’anti-PD-1 manipolando la composizione dei batteri intestinali dei non responder, ottenendo così una sopravvivenza libera da progressione a lungo termine.

L’asse della proteina 1 della morte cellulare programmata/ligando 1 della morte cellulare programmata (PD-1/PD-L1) è una via di segnalazione del checkpoint immunitario vitale, che compromette l’attivazione e la proliferazione di

cellule [1]. Nel microambiente tumorale, l’asse PD-1/PD-L1 gioca un ruolo cruciale nella progressione del tumore alterando lo stato di sorveglianza immunitaria [2]. È stato dimostrato che molti tipi di cellule tumorali elevano l’espressione di PD-L1, attenuando così l’immunità specifica del tumore dell’ospite e promuovendo la progressione del tumore, che includono il melanoma, il cancro del polmone non a piccole cellule, il cancro alla prostata e il cancro al seno [3].

L’immunoterapia con inibitori di PD-1/PD-L1 mostra effetti antitumorali potenti e duraturi, specialmente in alcuni tumori refrattari [4], [5]. Tuttavia, l’efficacia della monoterapia con inibitori di PD-1/PD-L1 varia nei singoli pazienti e il tasso di risposta nei pazienti complessivi è insoddisfacente. In generale, solo il 20%-40% dei pazienti con cancro metastatico risponde alla monoterapia con inibitori PD-1/PD-L1 [6]. L’anticorpo PD-1 (anti-PD-1) ha dimostrato tassi di risposta completa duraturi dal 10% al 20% nei pazienti con melanoma metastatico [7], mentre la maggior parte dei pazienti non risponde. Sono stati intrapresi ampi sforzi di ricerca per esplorare i meccanismi che predicono e migliorano l’efficacia degli inibitori PD-1/PD-L1 [8], [9]. Da un lato, per migliorare l’efficacia della terapia anti-PD-1/anti-PD-L1 e per ridurre il numero di non responder, la terapia di combinazione di anti-PD-1/anti-PD-L1 con altri inibitori del checkpoint immunitario o altre terapie esistenti [10], come la chemioterapia [11], la terapia mirata del cancro [12] e la radioterapia. D’altra parte, al fine di selezionare in modo ottimale i responder (pazienti sensibili), sono stati ampiamente studiati biomarcatori che potrebbero prevedere efficacemente il tasso di risposta e l’efficacia di anti-PD-1/anti-PD-L1 [2], ad esempio, PD È stato dimostrato che l’espressione di -L1, la densità dei linfociti infiltranti il ​​tumore e il carico mutazionale del tumore si associano all’efficacia anti-PD-1/anti-PD-L1 [13], [14], [15]. È stato recentemente dimostrato che il microbioma intestinale influenza le risposte alla terapia anti-PD-1/anti-PD-L1 in modelli murini preclinici e coorti di pazienti [16], [17], [18],

Studi preclinici e clinici supportano fortemente il ruolo chiave del microbioma intestinale nella modulazione dello sviluppo e della funzione del sistema immunitario, influenzando così l’efficacia terapeutica degli inibitori del checkpoint immunitario contro il cancro nei modelli murini e negli studi clinici [20], [21], [22 ]. È stato dimostrato nel modello murino che il trapianto di microbioma fecale (FMT) da pazienti che rispondono ai topi potrebbe ripristinare la sensibilità alla terapia anti-PD-L1 promuovendo il CD intratumorale

Infiltrazione delle cellule T, migliorando così l’attività antitumorale nei topi che non rispondono e migliorando l’efficacia complessiva della terapia anti-PD-1 [22]. L’analisi di campioni di microbioma fecale di pazienti affetti da melanoma sottoposti a immunoterapia anti-PD-1 ha rivelato differenze funzionali nei batteri intestinali di responder e non responder e una maggiore immunità sistemica e antitumorale nei pazienti che rispondevano con un microbioma intestinale favorevole [16]. La sperimentazione clinica ha dimostrato che l’FMT derivato dal responder potrebbe superare la resistenza all’anti-PD-1 nei pazienti con melanoma refrattario al PD-1 inducendo una perturbazione del microbiota rapida e duratura e riprogrammando il microambiente tumorale [23].

La diversità e la composizione del microbioma intestinale del paziente di responder e non responder hanno dimostrato di essere significativamente diverse [23]. I responder hanno mostrato una maggiore abbondanza di batteri intestinali favorevoli, che si associano alla risposta all’anti-PD-1 e all’aumento del CD

attivazione cellulare e relativa abbondanza di batteri intestinali sfavorevoli. Ad esempio, il Fusobacterium nucleatum è stato trovato arricchito nei responsivi degli inibitori del checkpoint immunitario di una varietà di tumori tra cui l’adenocarcinoma duttale [24], il carcinoma a cellule squamose della testa e del collo [25], il cancro del colon-retto [26], [27], [28] e carcinoma uroteliale [29]. Akkermansia muciniphila ha dimostrato di migliorare gli effetti degli inibitori del checkpoint immunitario nei modelli murini [22]. Inoltre, è stato riscontrato che le specie Alistipies [22], [23], Faecalibacterium [22], [30] e Lachnospiraceae [23], [30] sono correlate con l’efficacia degli inibitori del checkpoint immunitario.

I meccanismi alla base dell’interazione tra tumore, microbioma intestinale e sistema immunitario non sono ancora completamente compresi. Ci sono alcune ipotesi che sono state suggerite in base a osservazioni sperimentali e cliniche [16]. L’analisi delle composizioni del microbiota intestinale e il profilo immunologico nel microambiente tumorale [31], [32] hanno dimostrato che l’espressione di

marcatori cellulari e elaborazione e presentazione dell’antigene sono stati aumentati nei pazienti con microbiota intestinale favorevole rispetto ai pazienti con microbiota intestinale sfavorevole. Inoltre, l’accumulo di dati [21], [23], [31], [32], [33] indica che i batteri intestinali favorevoli e i loro sottoprodotti nei responder possono aumentare l’attivazione e l’espansione del CD cellule e promuovere ulteriormente il CD

risposte antitumorali cellulo-mediate, che si basano sulla reattività crociata di batteri condivisi e antigeni tumorali o su una maggiore attivazione delle cellule dendritiche (DC) [32], [33]. I batteri intestinali sfavorevoli potrebbero influenzare negativamente l’efficacia del blocco del checkpoint immunitario. Negli studi clinici è stata osservata una maggiore frequenza di Treg nei non-responder che erano abbondanti di batteri sfavorevoli [23], [31], [32]. La manipolazione terapeutica del microbioma intestinale per aumentare l’efficacia dell’immunoterapia è in fase di valutazione [22], [34] e sono state proposte diverse strategie tra cui modifiche dietetiche, l’uso di probiotici o antibiotici selezionati e FMT.

Sono stati applicati approcci di modellizzazione matematica per esplorare l’efficacia dell’immunoterapia contro il cancro e la sua programmazione ottimale. Kumar et al. [35] hanno predetto l’efficacia della terapia di combinazione con due inibitori del checkpoint immunitario, pembrolizumab e ipilimumab per il melanoma metastatico, mediante un modello farmacologico di sistema quantitativo. Nikolopoulou et al. [36] hanno studiato i trattamenti combinati degli inibitori del checkpoint immunitario e dell’immunostimolante NHS-muIL12 sviluppando un modello matematico di equazioni differenziali ordinarie. Milad et al. [37] hanno presentato un modello di equazioni differenziali ordinarie per rappresentare le interazioni tra il sistema immunitario canceroso e adattivo nel topo e sviluppare un protocollo ottimale per l’immunoterapia del melanoma. In un lavoro precedente [38], abbiamo esplorato la sinergia tra l’inibitore del checkpoint immunitario e l’inibitore BET (Bromo- ed Extra-Terminal) e gli effetti collaterali della combinazione mediante modelli matematici. In un altro articolo [39], abbiamo considerato la programmazione ottimale dell’anti-PD-1 in combinazione con la terapia anti-VEGF mediante modelli matematici del tumore e delle interazioni immunitarie. Tutti questi studi sono focalizzati sulla promozione dell’efficacia degli inibitori del checkpoint immunitario mediante la terapia di combinazione. A nostra conoscenza, non esiste alcuno studio che esplori il ruolo predittivo e prognostico dei batteri intestinali alla risposta degli inibitori del checkpoint immunitario attraverso modelli matematici. abbiamo considerato la programmazione ottimale dell’anti-PD-1 in combinazione con la terapia anti-VEGF mediante modelli matematici del tumore e delle interazioni immunitarie. Tutti questi studi sono focalizzati sulla promozione dell’efficacia degli inibitori del checkpoint immunitario mediante la terapia di combinazione. A nostra conoscenza, non esiste alcuno studio che esplori il ruolo predittivo e prognostico dei batteri intestinali alla risposta degli inibitori del checkpoint immunitario attraverso modelli matematici. abbiamo considerato la programmazione ottimale dell’anti-PD-1 in combinazione con la terapia anti-VEGF mediante modelli matematici del tumore e delle interazioni immunitarie. Tutti questi studi sono focalizzati sulla promozione dell’efficacia degli inibitori del checkpoint immunitario mediante la terapia di combinazione. A nostra conoscenza, non esiste alcuno studio che esplori il ruolo predittivo e prognostico dei batteri intestinali alla risposta degli inibitori del checkpoint immunitario attraverso modelli matematici.

Nel presente documento, indaghiamo l’effetto di batteri intestinali favorevoli e sfavorevoli sull’efficacia terapeutica dell’anti-PD-1 contro il cancro modellando le interazioni del microbioma tumore-immune-intestino ed esaminiamo ulteriormente i marcatori predittivi dei responder all’anti-PD -1. Sviluppiamo un modello dinamico per l’interazione del microbioma tumore-immune-intestino utilizzando un sistema di equazioni differenziali. Le variabili del modello includono cellule tumorali, CD

cellule, regolatoriecellule (Treg), cellule dendritiche (DC) e microbiomi favorevoli e sfavorevoli. La rete di interazioni tra queste specie è mostrata in Fig. 1. Consideriamo anche l’asse PD-1/PD-L1 e gli inibitori PD-1. Come indicato in Fig. Fig. 1, l’ipotesi di base nel modello è la seguente. Il microbioma favorevole migliora la maturazione delle DC, che attiva la CDLinfociti T presentando antigeni di cellule cancerose o batteri [40], migliorando così il CD tumore-specifico attività immunitaria cellulare [41]. Si presume che il microbioma sfavorevole induca l’attivazione e la differenziazione delle Treg, sulla base dell’evidenza che una maggiore frequenza di Treg si trova nei non responder negli studi clinici [23], [31], [32].

Modello matematico

Il modello matematico si basa sulla rete mostrata in Fig. 1. L’elenco delle variabili è riportato in Tabella 1.

Equazione per DC (

). Le cellule dendritiche sono attivate indirettamente dalle cellule tumorali necrotiche. Assumiamo che il conteggio delle cellule tumorali necrotiche sia proporzionale al conteggio delle cellule tumorali, in modo che l’attivazione delle cellule dendritiche immature () è promosso da fattore

, dove viene applicata la legge di Michaelis-Menten per tenere conto del tempo limitato di riciclo dei recettori nel processo di DC

Dinamica dei batteri

Abbiamo stimato i parametri della dinamica dei batteri adattando i dati clinici dei pazienti con melanoma [23], che include i dati dinamici delle prime 10 specie batteriche da 15 pazienti con melanoma che hanno ricevuto FMT dai responder alla terapia anti-PD-1. I campioni sono stati ottenuti settimanalmente, ma il tempo di campionamento non era esattamente lo stesso per ogni paziente. Pertanto, abbiamo convertito la scala temporale da giorni nei dati grezzi a settimane nel nostro adattamento dei dati. Abbiamo preso la percentuale media di tutti i pazienti nello stesso

discussione e conclusione

Gli inibitori del checkpoint immunitario, come gli anticorpi contro PD-1, PD-L1 e CTLA-4, sono recentemente emersi come una terapia promettente per migliorare la prognosi di vari tumori solidi [53]. Tuttavia, ci sono numerosi problemi impegnativi irrisolti legati alla terapia; uno dei quali è che la performance complessiva è insoddisfacente a causa dei tassi di risposta limitati per alcuni pazienti [7]. Recentemente, evidenze sperimentali e cliniche emergenti hanno suggerito che il microbioma intestinale svolge un ruolo cruciale

Dichiarazione di interesse concorrente

Gli autori dichiarano di non avere interessi finanziari concorrenti o rapporti personali noti che avrebbero potuto sembrare influenzare il lavoro riportato in questo articolo.

Ringraziamenti

Questo lavoro è supportato dalla National Natural Science Foundation of China (n. 12171478 ).

 

  • References (62)

    • ChinaiJ.M. et al.

      New immunotherapies targeting the PD-1 pathway

      Trends Pharmacol. Sci.

      (2015)
    • O’DonnellJ.S. et al.

      Resistance to PD1/PDL1 checkpoint inhibition

      Cancer Treat. Rev.

      (2017)
    • GopalakrishnanV. et al.

      The influence of the gut microbiome on cancer, immunity, and cancer immunotherapy

      Cancer Cell

      (2018)
    • LiW. et al.

      Gut microbiome and cancer immunotherapy

      Cancer Lett.

      (2019)
    • Geva-ZatorskyN.

      Mining the human gut microbiota for immunomodulatory organisms

      Cell

      (2017)
    • KarpińskiT.M.

      The microbiota and pancreatic cancer

      Gastroenterol. Clin. North America

      (2019)
    • SernaG.

      Fusobacterium nucleatum persistence and risk of recurrence after preoperative treatment in locally advanced rectal cancer

      Ann. Oncol.: Official J. Eur. Soc. Med. Oncol.

      (2020)
    • QomlaqiM. et al.

      An extended mathematical model of tumor growth and its interaction with the immune system, to be used for developing an optimized immunotherapy treatment protocol

      Math. Biosci.

      (2017)
    • YangM.

      Antibiotic administration shortly before or after immunotherapy initiation is correlated with poor prognosis in solid cancer patients: An up-to-year systematic review and meta-analysis

      Int. Immunopharmacol.

      (2020)
    • OchiN.

      The effects of antibiotics on the efficacy of immune checkpoint inhibitors in patients with non–small-cell lung cancer differ based on PD-L1 expression

      Eur. J. Cancer

      (2021)
    • HongM.S. et al.

      Age-associated changes in the frequency of naïve, memory and effector CD8+ T cells

      Mech. Ageing Dev.

      (2004)
    • ChengX.

      Structure and interactions of the human programmed cell death 1 receptor

      J. Biol. Chem.

      (2013)

 

Facebooktwitterredditpinterestlinkedinmail
Forse ti sei perso questi
Marzo 2024
L M M G V S D
 123
45678910
11121314151617
18192021222324
25262728293031
Archivio