КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер 22-75-10029

НазваниеМикробиота кишечника и ответ на иммунотерапию злокачественных опухолей: от воспроизводимых биомаркеров к модуляции эффекта

РуководительОлехнович Евгений Иванович, Кандидат биологических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение "Федеральный научно-клинический центр физико-химической медицины имени академика Ю.М. Лопухина Федерального медико-биологического агентства", г Москва

Период выполнения при поддержке РНФ 07.2022 - 06.2025 

Конкурс№71 - Конкурс 2022 года «Проведение исследований научными группами под руководством молодых ученых» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными.

Область знания, основной код классификатора 05 - Фундаментальные исследования для медицины, 05-403 - Медицинская микробиология и вирусология

Ключевые словамикробиота кишечника, иммунотерапия злокачественных опухолей, метагеномика, высокопроизводительное секвенирование

Код ГРНТИ76.03.43


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
В дополнение к таргетным методам лечения с недавних пор в практику онкологов вошла иммунотерапия. Суть иммунотерапии состоит в повышении естественной защиты организма, направленной на элиминацию опухолевых клеток. Одно из направлений иммунотерапии, основанное на применении моноклональных антител – ингибиторов иммунных контрольных точек (ИИКТ; от англ. Immune checkpoint inhibitor) – стало значительным прорывом в противоопухолевой терапии и существенно улучшило выживаемость пациентов [Hoos A. 2016]. Противоопухолевый эффект ИИКТ связан с блокированием сигнальных путей CTLA-4 (цитотоксический Т-лимфоцит-ассоциированный протеин 4) и PD-1/PD-L1 (белок и лиганд рецептора запрограммированной клеточной гибели-1 соответственно), контролирующих разные этапы иммунного ответа. Ингибирование CTLA-4 приводит к активации наивных Т-лимфоцитов в лимфоидных тканях, а блокирование PD-1/PD-L1 пути ведет к увеличению иммунного ответа на эффекторной стадии, что в определенных случаях предполагает применение комбинированной терапии. ИИКТ в настоящее время используются в качестве терапии первой линии при поздних стадиях развития различных онкологических заболеваний, в том числе при метастатической меланоме (ММ), немелкоклеточном раке легкого и почечно-клеточной карциноме. Фактически, общая выживаемость пациентов с ММ за последние 5 лет выросла с 16% до 52% после введения комбинированной анти-CTLA-4 + анти-PD-1 терапии [Pollack LA, et al. 2011; Larkin J, et al 2019]. Тем не менее, половина пациентов не реагирует на лечение ИИКТ, а предсказать фенотип ответчика или неответчика представляется сложной задачей. В последние годы эффективность ИИКТ терапии связывают со специфическими мутациями в клетках опухоли, экспрессией тех или иных генов/белков, инфильтрацией опухоль-ассоциированными дендритными клетками и T-клетками, уровнем лимфоцитов/моноцитов/эозинофилов, а также с составом микробиоты кишечника. При этом интерес к микробиоте обусловлен тем фактом, что в отличие от большинства других предикторов, методы коррекции кишечного микробиома относительно дешевы и легки в исполнении. Доклинические исследования на модельных животных показали, что состав микробиоты оказывает существенное влияние на эффективность терапии ИИКТ, а также на развитие побочных эффектов, связанных с активацией иммунитета. Кроме того, было показано, что экспериментальные вмешательства, например такие как трансплантация фекальной микробиоты, могут восстанавливать ответ на терапию у животных и снижать побочные эффекты [Vétizou M, et al. 2015; Sivan A, et al. 2015]. В дальнейшем каузальные связи между специфическими таксонами и их способностью влиять на результаты ИИКТ терапии были найдены и для человека [Frankel et al., 2017; Matson et al., 2018; Gopalakrishnan et al., 2018; Routy et al., 2018]. Одна из таких работ была выполнена заявителями проекта [Федоров с соавт., 2020]. Совместно с компанией BIOCAD в рамках соглашения Минобрнауки РФ № 05.604.21.0215 “Разработка метода оценки метагеномных маркеров микробиоты кишечника человека, ассоциированных с ответом на иммунотерапию рака” было проведено исследование по поиску различий в структуре микробиоты фекалий пациентов с меланомой с различным ответом на иммунотерапию пролголимабом (https://biocad.ru/products/onco/fortekar-prolgolimab). Анализ экспериментальных данных демонстрировал различия структуры микробиоты между экспериментальными группами, что еще раз подчеркивает наличие сильной связи между составом микробиоты кишечника и исходом иммунотерапии. Мы считаем, что расширение подобных исследований будет полезно для накопления большего количества релевантных данных и может способствовать разработке дополнительных средств не только по прогнозированию исхода противораковой иммунотерапии, но также и повышению ее эффективности. Несмотря на свою высокую научную значимость и актуальность, представленные в мировой литературе работы имеют ограничения в виде локальности выборки пациентов, что может существенно осложнять ассоциативный анализ. В целях повышения эффективности иммунотерапии, возникает необходимость в выявлении воспроизводимых между разными исследованиями характеристик структуры микробиоты кишечника, вовлеченных в процесс регуляции, а также в тщательном изучении биологических явлений, лежащих в его основе. В нашем исследовании мы планируем обобщить опубликованные результаты по данной теме. Мы планируем изучить не менее 500 метагеномных образцов микробиоты кишечника онкологических пациентов с различным ответом на иммунотерапию из сторонних открытых репозиториев. Будет выполнен анализ опубликованных метагеномных данных при помощи принятых в мировом научном сообществе биоинформатических инструментов и концепций. Мы планируем получить воспроизводимые между разными исследованиями биомаркеры микробиоты кишечника вовлеченные в процесс позитивного исхода иммунотерапии. Как было сказано выше, на данный момент не существует относительно дешевых методов прогнозирования исхода иммунотерапии широко внедренных в медицинскую практику. Таким образом, собранный набор метагеномных данных будет использован для построении предсказательной модели исхода иммунотерапии на основе алгоритмов машинного обучения. Будет проведена экспериментальная валидация полученных в ходе биоинформатического поиска результатов с использованием животных моделей. Таким образом, будет выполнена проверка гипотезы о возможности редуцирования структуры микробиома кишечника до отдельных компонент, вовлеченных в процесс положительного ответа на иммунотерапию. Литература: [1] Hoos A. Development of immuno-oncology drugs—from CTLA4 to PD1 to the next generations // Nature reviews Drug discovery. – 2016. – V. 15. – №. 4. – P. 235-247. [2] Larkin J. et al. Five-year survival with combined nivolumab and ipilimumab in advanced melanoma // New England Journal of Medicine. – 2019. – V. 381. – №. 16. – P. 1535-1546. [3] Pollack L. A. et al. Melanoma survival in the United States, 1992 to 2005 // Journal of the American Academy of Dermatology. – 2011. – V. 65. – №. 5. – P. S78. e1-S78. e10. [4] Vétizou M. et al. Anticancer immunotherapy by CTLA-4 blockade relies on the gut microbiota // Science. – 2015. – V. 350. – №. 6264. – P. 1079-1084. [5] Matson V. et al. The commensal microbiome is associated with anti–PD-1 efficacy in metastatic melanoma patients // Science. – 2018. – V. 359. – №. 6371. – P. 104-108. [6] Gopalakrishnan V. et al. Gut microbiome modulates response to anti–PD-1 immunotherapy in melanoma patients // Science. – 2018. – V. 359. – №. 6371. – P. 97-103. [7] Routy B. et al. The gut microbiota influences anticancer immunosurveillance and general health // Nature Reviews Clinical Oncology. – 2018. – V. 15. – №. 6. – P. 382-396. [8] Frankel A. E., Frankel E. P. Melanoma metamorphoses: advances in biology and therapy // J Cancer Sci Ther. – 2017. – V. 9. – P. 325-335. [9] Sivan A. et al. Commensal Bifidobacterium promotes antitumor immunity and facilitates anti–PD-L1 efficacy // Science. – 2015. – V. 350. – №. 6264. – P. 1084-1089. [10] Pierrard J., Seront E. Impact of the gut microbiome on immune checkpoint inhibitor efficacy—a systematic review // Current Oncology. – 2019. – V. 26. – №. 6. – P. 395-403. [11] Baruch E. N. et al. Fecal microbiota transplant promotes response in immunotherapy-refractory melanoma patients // Science. – 2021. – V. 371. – №. 6529. – P. 602-609. [12] Davar D. et al. Fecal microbiota transplant overcomes resistance to anti–PD-1 therapy in melanoma patients // Science. – 2021. – V. 371. – №. 6529. – P. 595-602.

Ожидаемые результаты
1. В ходе работы будут выявлены таксономические и функциональные биомаркеры микробиоты кишечника значимо различающиеся онкологических пациентов с различным ответом на иммунотерапию. Данный шаг будет осуществлен с использованием данных из открытых источников (например NCBI Sequence Read Archive). Мы планируем выявить биомаркеры воспроизводимые во всех добавленных в анализ исследованиях, которые бы могли быть использованы в предсказании ответа на иммунотерапию. Также мы планируем создание классификатора на основе алгоритмов машинного обучения и проверку гипотезы о возможном использовании структуры микробиоты кишечника для прогнозирования исхода иммунотерапии. Данный этап работы будет сфокусирован на пациентах с меланомой в связи с большим количеством накопленных данных в сравнении с другими видами опухолей. 2. Будет проведена in silico проверка гипотезы о универсальности выявленных биомаркеров для пациентов с меланомой для прогнозирования ответа на иммунотерапию при других видах злокачественных опухолей, например при немелкоклеточном раке легкого и раке шейки матки. 3. Будут определены участки ДНК, которые значимо различают группы пациентов с различным ответом на иммунотерапию. Получение таких последовательностей ДНК может быть полезным для дальнейшей проверки гипотезы о возможности разработки универсальных тест-систем для прогнозирования ответа на иммунотерапию рака, которые могут применяться в клинической практике. На данный момент в мире не существует решений, которые могли бы на основе структуры микробиоты прогнозировать исход иммунотерапии. Также стоит отметить, что существующие методы такого прогнозирования основанные на иммуногистохимии не нашли широкого применения в клинической практике ввиду трудоемкости и высокой стоимости. 4. Будет проведена экспериментальная проверка гипотезы о возможности редуцирования структуры микробиома кишечника человека до отдельных компонент, вовлеченных в процесс положительного ответа на иммунотерапию злокачественных опухолей с использованием модельных животных. Таким образом, выявленные на предыдущих этапах работы биомаркеры, ассоциированные с положительным ответом на иммунотерапию, будут испытаны в условиях, близких к реальному трансляционному исследованию. Стоит отметить, что на данный момент в мире не существует одобренной в медицинской практике схемы модуляции ответа на иммунотерапию у онкологических пациентов. Таким образом, в данном исследовании планируется использовать общемировые современные концепции, а именно методы вычислительной и трансляционной медицины для разработки технологий прогнозирования и модулирования ответа на иммунотерапию у пациентов с онкологическими заболеваниями.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2022 году
На первом этапе первого года выполнения проекта были был собран каталог метагеномов из открытых баз данных National Center of Biotechnology Information (NCBI) и European Bioinformatics Institute (EBI). Всего было собрано 680 образцов из 7 опубликованных исследований: Данные доступны в архивах биологических последовательностей NCBI и EBI под номерами доступа BioProject PRJNA397906, PRJEB22893, PRJNA399742, PRJNA678737, PRJNA672867, PRJNA770295 и PRJEB43119. Следующим этапом нашего исследования был поиск воспроизводимых таксономических и функциональных биомаркеров, связанных с ответом на иммунотерапию меланомы. Согласно результатам нашего анализа, три бактерии - Faecalibacterium prausnitzii, Eubacterium rectale и Bifidobacterium adolescentis были предикторами положительного ответа на иммунотерапию, тогда как таксономические предикторы отрицательного ответа на иммунотерапию выявлены не были. Поиск функциональный биомаркеров, связанных с ответом на иммунотерапию осуществлялся аналогичным способом. В результате анализа было выявлено в общей сложности 101 функциональных групп по классификации KEGG (англ. KEGG orthologic group - сокр. KOG), связанных с положительным ответом на иммунотерапию, тогда как 20 KOG были связаны с негативным исходом иммунотерапии. Дополнительно мы изучили взаимосвязь между таксономическими и функциональными биомаркерами. В список наиболее тесно связанных с полезными для позитивного ответа на иммунотерапию KOG вошли следующие бактерии: F. prausnitzii, Bifidobacterium longum, B. adolescentis, Bifidobacterium bifidum, and E. rectale. Примечательно то, что данный список во многом повторяет представленный выше список таксономических биомаркеров. Напротив, в первую пятерку видов бактерий с наибольшим количеством связей с KOG-маркерами отрицательного ответа вошли такие условно-патогенные и потенциально условно-патогенные виды как Escherichia coli, Enterobacter cloacae, Citrobacter freundii, Klebsiella pneumoniae и Raoultella ornithinolytica. Для разработки биологической модели, объясняющей связь кишечного микробиома и ответа на иммунотерапию нами был собран неизбыточный каталог полных геномов с использованием собранного набора данных описанного выше. Полученный каталог включал 1422 таксономически и функционально аннотированных микробных мОТЕ (метагеномных операционных таксономических единиц), а также таблица процентного содержания каждого мОТЕ в в каждом отдельном образце. Далее был получен список из 137 мОТЕ-биомаркеров, которые различали пациентов по исходу иммунотерапии. Воспроизводимыми в 6 исследованиях и более были 5 мОТЕ связанные с позитивным исходом. Этот список включал мОТЕ со следующей таксономической классификацией: 2 B. adolescentis, 1 unclassified Bifidobacterium, 1 Gemmiger qucibialis и 1 Barnesiella intestinihominis. Дальнейшим этапом нашей работы было сравнение выявленных групп биомаркеров по контенту аннотированных групп генов. В группе положительных биомаркеров было повышено содержание функциональных путей связанных с производством иммуномодулирующих молекул и биосинтеза ацетата. Основываясь на полученных результатах мы предполагаем, что бифидобактерии могут не только быть источником иммуномодулирующих молекул, но потенциально могут запускать цепную реакцию, поддерживая и другие полезные для иммунитета бактерии, что и явилось базовой гипотезой для дальнейшей валидации. Применение строгих статистических критериев может быть полезным в выборе конкретных бактерий-кандидатов для дальнейших экспериментов, тогда как менее строгие критерии могут быть полезны в понимании биологических процессов лежащего в основе связи иммунитета и микробиоты в контексте исходов иммунотерапии. Дополнительное статистическое подтверждение релевантности полученных результатов было получено при помощи перестановочного теста с коррекцией на ковариату набора данных с применением поправки на множественное сравнение FWER - (англ. family-wise error rate - групповая вероятность ошибки), которая определяется как как вероятность совершить хотя бы одну ошибку первого рода. Согласно полученным при помощи этого метода результатам, B. adolescentis и B. intestinihominis (FWER p < 0.05) были нами выбраны как строгие биомаркеры позитивного исхода иммунотерапии. Таким образом, B. adolescentis выглядит хорошим кандидатом для применения в качестве адъюванта при иммунотерапии для последующих экспериментов на мышиной модели меланомы в виду воспроизводимости в четырех типах различных статистических анализов описанных выше. Следующая поставленная перед нами задача была направлена на проверку гипотезы о возможности использования информации о структуре микробиоты кишечника для предсказания возможного ответа на иммунотерапию меланомы при помощи алгоритмов машинного обучения. В ходе работы был разработан классификатор на основе алгоритма Random forest. В обучении были использованы три набора данных: 1) данные о таксономической аннотации 2) данные о функциональной аннотации 3) данные о восстановленных из метагеномов полных геномах. После коррекции группового эффекта между наборами данных качество классификации по ROC AUC составило 0.94 ± 0.08, другими словами предсказания были верны в 90-100% случаев. Приведенные выше результаты верны для данных по таксономической аннотации, однако идентичные этим результаты были получены и для функциональной аннотации и восстановленных геномов. Для отработки мышиной модели меланомы и анти-PD1 терапии в качестве модельной бактерии использовали Lactocaseibacillus rhamnosus. Поскольку L. rhamnosus является пробиотиком, то его полезно использовать в качестве положительного контроля для демонстрации потенциальных каузальных эффектов в отношении иммунотерапии меланомы связанных с введением B. adolescentis. Перед началом экспериментов с использованием мышиной модели меланомы были отработаны оптимальные условия получения готовых лиофилизированных культур микроорганизмов, а также способы доставки микроорганизмов в кишечник мышей с последующим контролем фазы роста и обнаружения в фекалиях. Согласно полученным пилотным результатам в эксперименте по моделированию меланомы у мыщей не было статистически значимых различий в выживаемости мышей между экспериментальными группами. Однако рост опухоли был снижен в группе с введением L. rhamnosus.

 

Публикации

1. Владимир А. Веселовский, Марина С. Дьячкова, Дмитрий А. Бемпятых, Роман А. Юнес, Егор А. Шитиков, Полина С. Поляева, Валерий Н. Даниленко, Евгений И. Олехнович, Ксения М. Климина The Gene Expression Profile Differs in Growth Phases of the Bifidobacterium Longum Culture MDPI Microorganisms, Microorganisms 2022, 10(8), 1683 (год публикации - 2022) https://doi.org/10.3390/microorganisms10081683

2. Евгений И. Олехнович, Артем Б. Иванов, Анна А. Бабкина, Арсений А. Соколов, Владимир И. Ульянцев, Дмитрий Е. Федоров и Елена Н. Ильина Consistent stool metagenomic biomarkers associated with response to melanoma immunotherapy mSystems, - (год публикации - 2022) https://doi.org/10.1128/msystems.01023-22

3. - Выявлены три вида бактерий микрофлоры, усиливающих иммунотерапию рака кожи ТАСС, - (год публикации - )

4. - Какие три вида кишечных бактерий могут эффективно бороться с раком кожи? Аргументы и факты, - (год публикации - )

5. - Ученые обнаружили бактерии, позволяющие эффективнее бороться с раком Новые известия, - (год публикации - )

6. - ТРИ ВИДА БАКТЕРИЙ ПОМОГУТ ЭФФЕКТИВНЕЕ БОРОТЬСЯ С РАКОМ Научная Россия, - (год публикации - )

7. - Три бактерии помогают лечить меланому Полит.ру, - (год публикации - )

8. - Три вида бактерий помогут эффективнее бороться с раком Поиск, - (год публикации - )

9. - Три вида бактерий помогут эффективнее бороться с раком Новосибирская областная ассоциация врачей, - (год публикации - )

10. - Три вида бактерий помогут эффективнее бороться с раком Индикатор, - (год публикации - )

11. - Три вида бактерий помогут эффективнее бороться с раком InScience, - (год публикации - )

12. - Три вида бактерий помогут эффективнее бороться с раком Rambles, - (год публикации - )

13. - Учёные обнаружили бактерии, позволяющие эффективнее бороться с раком geekr, - (год публикации - )

14. - Присутствие трех видов бактерий повысило успех иммунотерапии рака CoLab, - (год публикации - )

15. - Три бактерии помогают лечить меланому Новости науки, - (год публикации - )

16. - Три вида бактерий помогут эффективнее бороться с раком Инфарм, - (год публикации - )

17. - Три вида бактерий помогут эффективнее бороться с раком Nano News Net, - (год публикации - )

18. - Три бактерии помогают лечить меланому Гостономика, - (год публикации - )

19. - Три вида бактерий помогут эффективнее бороться с раком Вечная молодость, - (год публикации - )