基质FAP-α能否预测HCC对仑伐替尼联合PD-1抑制剂的应答？

FAP-α可区分应答者与无应答者

这篇论文要回答的问题是：在治疗前测量肿瘤支持组织中的一种蛋白，能否标记出哪些肝细胞癌（HCC）患者会对仑伐替尼联合PD-1抑制剂治疗失败。其答案是：基质FAP-α在这方面优于作者同时检测的免疫细胞标志物。FAP-α标记的是癌相关成纤维细胞，即围绕肿瘤细胞和免疫细胞构建并重塑基质的基质细胞。

最有力的单个数字来自最大的验证集：54例IB-IIA期HCC患者，接受三个周期的仑伐替尼联合替雷利珠单抗新辅助治疗。在整张切片免疫组化图像上计算FAP-α阳性细胞百分比，区分应答者与无应答者的灵敏度为80%、特异度为71.4%。在高于最佳阈值的患者中，85.7%未产生应答。

有两个条件界定了这个数字。应答按mRECIST定义为完全或部分缓解，对照稳定或进展性疾病，因此终点是影像学应答，而非生存。并且这54例患者与接受空间蛋白组学分析的10例发现队列、22例免疫荧光队列是不同的人群，因此三个数据集检验的是相关但不完全相同的问题。

整体组织检测会平均掉基质信号

此前该领域的生物标志物研究依赖整体组织分析，这会把肿瘤细胞、免疫细胞和基质的分子信号平均在一起。作者认为，这会掩盖决定抗血管生成酪氨酸激酶抑制剂与PD-1抑制剂联合方案是否有效的区域特异性相互作用。

为绕开这一点，10例患者的发现队列（5例应答者、5例无应答者）接受了GeoMx数字空间蛋白组学分析。研究者在切片上选定感兴趣区域，再用掩膜分割策略将其分为上皮细胞富集区（PanCK阳性）和免疫细胞富集区（CD45阳性）。经质量控制后，这10例患者的93个感兴趣区域进入下游分析，每个区域定量47种蛋白。

正是这一设计让基质标志物得以显现。无应答者中FAP-α的升高主要归因于基质区室，而整体检测整块活检无法作出这一区分。

肿瘤与免疫微环境的蛋白谱不同

空间数据首先需要证明这种分割是有意义的。上皮富集区高表达肿瘤相关标志物，包括PanCK、NY-ESO-1和ARG1；免疫富集区则高表达CD45、CD3和CD163，均p < 0.001。聚类分析在患者之间以及单个患者内部都能将这两类区域分开。

论文还检验了物理距离是否与分子相似性一致。免疫富集区的内部相关性最高，其次是上皮富集区。取自同一感兴趣区域的上皮区和免疫区，其相关性高于取自不同区域的对应区域（p < 0.001），作者将此解读为局部微环境相互作用塑造分子表型的证据。

这一解读是作者对相关性的解释，而非已证实的因果机制。数据确实确立的是：该平台能在同一肿瘤内分辨出两个功能不同的微环境，这是把FAP-α称为基质特异性信号的前提。

FAP-α与M2型巨噬细胞同现，而非T细胞

在免疫富集区，无应答者中与肿瘤相关巨噬细胞M2极化相关的蛋白表达更高，包括ARG1、CD14、CD68和CD163，而CD45、CD3和CD8更低。单样本基因集富集分析结果一致，显示无应答者中M2型巨噬细胞富集，同时T细胞丰度降低。

FAP-α在空间上符合这一模式。它与CD163以及免疫检查点PD-L1、FOXP3呈正相关，与T细胞标志物CD8呈负相关。作者提出，FAP-α高表达的成纤维细胞与M2型巨噬细胞协同构建屏障，将效应T细胞挡在外面。

有一个细节使简单的解释变得复杂：成纤维细胞在应答者中更丰富，但成纤维细胞相关蛋白的表达却出现分化。纤连蛋白和SMA在应答者中高表达，而FAP-α在无应答者中高表达。作者将此解释为成纤维细胞状态不同，而非数量不同；蛋白数据支持这一解释，但并未证明它。

免疫细胞上的PD-1而非肿瘤细胞上的PD-L1

同一项空间比较还产生了另一个关于谁会产生应答的独立观察。应答者在免疫富集区的PD-1表达显著高于无应答者，而上皮富集区的PD-L1在两组间无显著差异。

这一点很重要，因为肿瘤细胞上的PD-L1是更常见的标志物。本研究中具有区分力的信号是免疫细胞上的PD-1，作者将其解读为预先存在的免疫激活可预测PD-1抑制剂获益的证据。应答者在这些区域还表现出更高的STING、Tim-3和VISTA。

这些是10例发现队列中的区域水平蛋白比较，因此属于产生假设，而非经过验证的截断值。论文经过验证的结论建立在FAP-α上，它被推进到两个更大的队列中。

免疫荧光与IHC验证了基质信号

验证队列1对22例接受相同方案治疗的患者使用多重免疫荧光，定量FAP-α成纤维细胞、CD163+ M2型巨噬细胞、CD8+ T细胞和CD20+ B细胞。FAP-α在无应答者中显著更高，其他标志物在两组间无显著差异。升高同样集中在基质区室。

验证队列2转向免疫组化，这是一种常规且更便宜的染色方法，纳入54例患者。FAP-α阳性细胞的百分比、密度和计数在无应答者中均显著更高，受试者工作特征分析得出了上文报告的80%灵敏度和71.4%特异度。

从空间蛋白组学推进到标准染色，是论文的实用性论据：测量该标志物并不需要发现阶段所用的平台。论文没有报告的是最佳阈值是如何选定的，以及如果在新队列中预先固定该阈值，它能否依然成立。

公共数据将FAP-α与进展和生存关联

除治疗应答外，作者还分析了TCGA中254例具有RNA-seq和临床数据的HCC样本。FAP-α mRNA随HCC进展而升高，并与较短的总生存期相关。

论文报告FAP-α与无病生存期无显著相关性，并给出解释：无病生存期反映术后早期复发，而早期复发受手术彻底性和辅助治疗影响很大，而FAP-α主要通过免疫抑制和基质重塑发挥作用。这是作者的推理，而非经过检验的中介分析。

这些公共数据结果涉及的是FAP-α mRNA，与基于蛋白的治疗队列属于不同队列。它们支持预后作用，但不应被解读为把80%/71.4%的预测性能扩展到测量该性能的54例患者之外。

用于分层的基质标志物及其前提

这篇论文中与决策相关的比较是标志物类型之间的比较，而非药物之间的比较。在同一批患者中，基质FAP-α测量能区分应答者与无应答者，而CD163、CD8和CD20在免疫荧光队列中无显著差异，肿瘤区域的PD-L1在发现队列中也无差异。如果结果能够重复，实际意义在于常规FAP-α染色可在仑伐替尼联合PD-1抑制剂治疗前标记出可能的无应答者，这与在肿瘤细胞上评分PD-L1是不同的检测。

若干限制紧贴这一主张。发现队列仅10例，规模较小；作者指出HBV感染与不良应答显著相关，而其他临床变量则不然，临床背景的影响仍需在更大样本中验证。DSP平台定量的是约0.5–2 mm²的感兴趣区域，无法分辨单细胞，因此FAP-α阳性成纤维细胞与邻近免疫细胞之间的精细相互作用仍未被解析。47种蛋白的组合缺乏一套全面的血管生成蛋白，且研究没有纵向样本。

因此，证据支持的优先事项是具体的：在本研究测量的标志物中，基质FAP-α是值得针对该联合方案作为治疗前分层工具进行前瞻性检验的那一个，而高于阈值者85.7%的无应答率，是在独立、预先设定的队列中需要被挑战的数字。

本文引用的文献