Berechnung des Neoantigen Clonality Scores und Klassifikation des Tumor-Immunphaenotyps. Basierend auf der Analyse von 527 HNSCC-Tumoren (TCGA).
Basierend auf Saravi et al. — Inverse Beziehung zwischen Neoantigen-Klonalitaet und T-Zell-Aktivitaet
Der Neoantigen Clonality Score ist ein quantitatives Mass fuer die durchschnittliche Klonalitaet vorhergesagter Tumor-Neoantigene, normalisiert fuer die Neoantigen-Last eines Tumors. Er wurde entwickelt, um die klonale Architektur immunogener Mutationen in einem einzelnen, vergleichbaren Wert zusammenzufassen.
Neoantigene sind tumorspezifische Peptide, die durch somatische Mutationen entstehen und vom Immunsystem als fremd erkannt werden koennen. Nicht alle Mutationen erzeugen jedoch immunogene Neoantigene — nur solche, deren resultierende Peptide mit ausreichender Affinitaet an MHC-Klasse-I-Molekuele binden (konventionell IC50 ≤ 500 nM), werden als potenzielle T-Zell-Targets betrachtet.
Dabei ist VAFi die Varianten-Allelfrequenz der i-ten somatischen Mutation, Ii ein Indikator (1 wenn mindestens ein vorhergesagtes Neoepitop IC50 ≤ 500 nM aufweist, sonst 0), und neo_n_500 die Gesamtzahl der vorhergesagten MHC-I-Binder. Der Pseudocount +1 im Nenner verhindert eine Division durch Null bei Tumoren ohne vorhergesagte Neoantigene.
Hohe Werte bedeuten, dass die Neoantigene ueberwiegend von klonalen Mutationen stammen — also Mutationen mit hoher VAF, die in der Mehrzahl der Tumorzellen vorhanden sind. Niedrige Werte deuten auf subklonale Neoantigene hin, die nur in einem Teil der Tumorzellpopulation vorkommen.
Die klinische Bedeutung ist paradox: In der HNSCC-Kohorte korreliert ein hoher Clonality Score invers mit der T-Zell-Aktivitaet. Tumore mit ueberwiegend klonalen Neoantigenen zeigen haeufig eine geringere Immuninfiltration — ein Befund, der auf aktives Immunoediting oder Downregulation der Antigenpraesentation in immunologisch „kalten" Tumoren hinweist.
Durch die Kombination des Neoantigen Clonality Scores mit dem Pan-Immune Score (einem Summenmass fuer die Immunzell-Infiltration und Immunaktivitaet) lassen sich Tumore in ein 2x2-Klassifikationssystem einordnen. Die Median-Cutoffs stammen aus der HNSCC-TCGA-Kohorte (n=527): Clonality Score Median = 0.21 (IQR: 0.10–0.42), Pan-Immune Score Median = 0.02 (IQR: −0.71 bis 0.70).
| Phaenotyp | Haeufigkeit | Charakteristik | Therapeutische Implikation |
|---|---|---|---|
| Hot / Low Clonality | 33.0% | Hohe Immuninfiltration, subklonale Neoantigene. Hoechste T-Zell-Exhaustion-Scores (PD-1, LAG-3, TIM-3 hochreguliert). | Beste Kandidaten fuer Checkpoint-Inhibitoren (Anti-PD-1/PD-L1). T-Zellen sind vorhanden, aber dysfunktional — Enthemmung kann die Anti-Tumor-Antwort reaktivieren. |
| Hot / High Clonality | 17.1% | Hohe Immunaktivitaet trotz klonaler Neoantigene. Guenstige Prognose — Klonalitaet ist benefiziell, wenn funktionale T-Zellen praesent sind (HR=0.72, P=0.043). | Guenstiges prognostisches Profil. Klonale Neoantigene koennen als effektive Targets dienen, wenn die Immunantwort nicht supprimiert ist. |
| Cold / Low Clonality | 16.9% | Geringe Immunitaet, subklonale Antigene. Weder genuegend klonale Targets noch funktionale Immunantwort vorhanden. | Schlechte Kandidaten fuer sowohl Checkpoint-Inhibitoren als auch Neoantigen-Vakzinen. Neuartige Therapieansaetze erforderlich (z.B. onkolytische Viren, adoptive Zelltherapie). |
| Cold / High Clonality | 33.0% | Immunologisch „kalt" trotz abundanter klonaler Neoantigene. Hinweis auf aktives Immunoediting oder Defekte in der Antigenpraesentation. | Ideale Kandidaten fuer Kombinationstherapien: Immun-Priming (Vakzine, STING-Agonisten) + Checkpoint-Blockade. Klonale Targets sind vorhanden, aber das Immunsystem muss erst aktiviert werden. |
Die Klassifikation verdeutlicht, dass weder Neoantigen-Klonalitaet noch Immuninfiltration allein ausreichende Biomarker sind. Erst die Kombination beider Parameter ermoeglicht eine differenzierte Einschaetzung des Tumor-Immunphaenotyps und der therapeutischen Vulnerabilitaet. Bemerkenswert ist, dass die beiden groessten Gruppen (Hot/Low und Cold/High, jeweils ca. 33%) genau jene Phaenotypen repraesentieren, die das Klonalitaets-Paradoxon am deutlichsten illustrieren: hohe Immunitaet bei niedriger Klonalitaet und umgekehrt.
Eine zentrale Erkenntnis der zugrunde liegenden Studie ist die inverse Beziehung zwischen Neoantigen-Klonalitaet und T-Zell-Aktivitaet in HNSCC. Entgegen der intuitiven Erwartung, dass klonale Neoantigene (praesent in allen Tumorzellen) eine staerkere Immunantwort ausloesen sollten, zeigen Tumore mit hohem Clonality Score signifikant reduzierte Marker fuer T-Zell-Aktivitaet, einschliesslich CD8+ T-Zell-Infiltration, zytolytische Aktivitaet und Interferon-gamma-Signalgebung.
Mehrere Mechanismen koennen dieses Paradoxon erklaeren:
Prognostisch ist der Clonality Score kontextabhaengig: In der gesamten Kohorte zeigt er keinen signifikanten Zusammenhang mit dem Ueberleben. Nur in immunologisch „heissen" Tumoren (Pan-Immune Score ≥ Median) ist ein hoher Clonality Score mit einem Ueberlebensvorteil assoziiert (HR=0.72, P=0.043). Dies erklaert, warum die Tumormutationslast (TMB) allein ein unvollstaendiger Biomarker fuer das Ansprechen auf Immuntherapie ist — sie differenziert nicht zwischen klonalen und subklonalen Mutationen und beruecksichtigt nicht den Immunkontext des Tumors.
Die Berechnung des Neoantigen Clonality Scores erfordert eine mehrstufige bioinformatische Pipeline, die von der Identifikation somatischer Mutationen bis zur Vorhersage von MHC-I-bindenden Neoepitopen reicht.
Aus Whole-Exome-Sequencing (WES)-Daten werden somatische Mutationen (SNVs und kleine Indels) identifiziert — typischerweise mittels Variant Calling (z.B. MuTect2, Strelka2) im Tumor-Normal-Paar. Fuer jede Mutation wird die Varianten-Allelfrequenz (VAF) berechnet, die den Anteil der Sequencing-Reads widerspiegelt, die die mutierte Allele tragen.
Somatische Varianten werden mit dem Variant Effect Predictor (VEP) annotiert, um Missense-Mutationen und Frameshift-Varianten zu identifizieren. Fuer jede proteinveraendernde Mutation werden alle moeglichen Neoepitope (typischerweise 8–11-mer Peptide) generiert.
Die HLA-Klasse-I-Typisierung erfolgt aus WES-Daten (z.B. mittels OptiType oder Polysolver). Anschliessend wird die Bindungsaffinitaet jedes Neoepitops an die patientenspezifischen HLA-Allele vorhergesagt — in der zugrunde liegenden Studie mittels pVACseq und MHCflurry. Peptide mit einer vorhergesagten Bindungsaffinitaet IC50 ≤ 500 nM werden als potenzielle Binder klassifiziert.
Die Binder-weighted VAF ist die Summe der VAF-Werte aller Mutationen, die mindestens ein Neoepitop mit IC50 ≤ 500 nM erzeugen. Dies gewichtet Mutationen nach ihrer Praevalenz im Tumor (hohe VAF = klonal, niedrige VAF = subklonal). Die Division durch neo_n_500 + 1 normalisiert fuer die Gesamt-Neoantigen-Last, sodass der Score die durchschnittliche Klonalitaet pro Neoantigen reflektiert und nicht einfach die Gesamtmenge.
Der Neoantigen Clonality Score und die daraus abgeleitete Immunphaenotyp-Klassifikation bieten mehrere Anwendungsmoeglichkeiten in der translationalen Onkologie:
Bei der Interpretation des Neoantigen Clonality Scores sind folgende Einschraenkungen zu beruecksichtigen:
| # | Referenz |
|---|---|
| 1 | McGranahan N, Furness AJS, Rosenthal R, et al. Clonal neoantigens elicit T cell immunoreactivity and sensitivity to immune checkpoint blockade. Science. 2016;351(6280):1463–1469. |
| 2 | Wherry EJ, Kurachi M. Molecular and cellular insights into T cell exhaustion. Nat Rev Immunol. 2015;15(8):486–499. |
| 3 | Jiang P, Gu S, Pan D, et al. Signatures of T cell dysfunction and exclusion predict cancer immunotherapy response. Nat Med. 2018;24(10):1550–1558. |
| 4 | Thorsson V, Gibbs DL, Brown SD, et al. The Immune Landscape of Cancer. Immunity. 2018;48(4):812–830.e14. |
| 5 | Newman AM, Liu CL, Green MR, et al. Robust enumeration of cell subsets from tissue expression profiles. Nat Methods. 2015;12(5):453–457. |
| 6 | Hundal J, Carreno BM, Petti AA, et al. pVAC-Seq: A genome-guided in silico approach to identifying tumor neoantigens. Genome Med. 2016;8(1):11. |
| 7 | O'Donnell TJ, Rubinsteyn A, Bonsack M, et al. MHCflurry: Open-Source Class I MHC Binding Affinity Prediction. Cell Syst. 2018;7(1):129–132.e4. |
| 8 | Budhwani M, Mazzieri R, Dolcetti R. Plasticity of Type I Interferon-Mediated Responses in Cancer Therapy: From Anti-tumor Immunity to Resistance. Front Oncol. 2018;8:322. |
Entdecken Sie unsere weiteren kostenlosen Tools fuer klinische Forschung und Biostatistik.