Articolo di ricerca

Espressione, significato clinico e ruolo nella valutazione dell'efficacia dell'immunoterapia della molecola co-stimolante LLT1 nel carcinoma gastrico

613 visualizzazioni

⸱

DOI:

10.3791/68827

⸱

10 ottobre 2025

 ,  ,  ,  ,  ,  ,  , 
1Department of General Surgery, The First Affiliated Hospital of Soochow University, 2Department of Pathology, The First Affiliated Hospital of Soochow University, 3Jiangsu Institute of Clinical Immunology, The First Affiliated Hospital of Soochow University, 4Jiangsu Key Laboratory of Clinical Immunology, Soochow University, 5Jiangsu Key Laboratory of Gastrointestinal Tumor Immunology, The First Affiliated Hospital of Soochow University

In questo articolo

Sommario

Questa ricerca indaga LLT1 come biomarcatore di immunoterapia predittiva nel cancro gastrico attraverso analisi multi-omiche e cliniche. Lo studio valuta il ruolo di LLT1 nell'evasione immunitaria e nella modulazione del microambiente tumorale per facilitare approcci immunoterapici di precisione per migliorare i risultati del trattamento.

Abstract

LLT1 è una nuova molecola di checkpoint immunitario e un potenziale bersaglio terapeutico. L'immunoterapia ha migliorato gli esiti nel carcinoma gastrico avanzato; Tuttavia, molti pazienti non rispondono o sviluppano resistenza e mancano biomarcatori predittivi. Il ruolo di LLT1 nell'evasione immunitaria del cancro gastrico e il suo effetto sulla risposta all'immunoterapia rimangono poco chiari. Per valutare ciò, l'espressione di LLT1 è stata analizzata nel set di dati sull'adenocarcinoma gastrico Cancer Genome Atlas (TCGA) utilizzando più algoritmi (TIMER, CIBERSORT e ESTIMATE) per quantificare l'infiltrazione di cellule immunitarie. L'espressione proteica è stata convalidata mediante immunoistochimica (IHC) in 268 campioni di adenocarcinoma gastrico e mediante immunofluorescenza multiplex (MIF) in 115 tessuti post-immunoterapia. I dati integrati di trascrittomica e proteomica sono stati analizzati per le associazioni con le caratteristiche del microambiente tumorale e gli esiti dell'immunoterapia clinica. I risultati hanno mostrato che un'elevata espressione della proteina LLT1 era significativamente associata a caratteristiche tumorali meno avanzate (minore profondità di invasione e metastasi linfonodali; P < 0,05) e una sopravvivenza globale più lunga (P = 0,012). I livelli di mRNA e proteina di LLT1 erano correlati con una maggiore infiltrazione delle cellule T CD8+ e dei macrofagi M1 e con un'elevata espressione di PD-L1 nel microambiente tumorale. Nella prima coorte di 198 pazienti con dati prognostici disponibili, i pazienti con alta espressione di LLT1 (n=117) hanno dimostrato una sopravvivenza globale significativamente più lunga rispetto a quelli con bassa espressione (n=81). Nella seconda coorte di pazienti trattati con immunoterapia e chemioterapia combinate, i tumori con elevata espressione di LLT1 (n=48) hanno avuto una sopravvivenza libera da progressione più lunga (P = 0,014) rispetto a quelli con bassa espressione di LLT1 (n=67). Un aumento significativo (P < 0,05) nelle popolazioni di cellule immunitarie PD-1+CD161+ è stato osservato nei pazienti efficaci in immunoterapia (n=62) rispetto ai pazienti resistenti al trattamento (n=53). In conclusione, l'espressione di LLT1 è un promettente biomarcatore di una prognosi favorevole nel cancro gastrico. A nostra conoscenza, questo è il primo studio a dimostrare che l'espressione di LLT1 predice una migliore risposta alla chemioterapia e all'immunoterapia combinate nel carcinoma gastrico, supportando il suo potenziale nel guidare le strategie immunoterapeutiche.

Introduzione

Il cancro gastroesofageo, in particolare il cancro gastrico (GC), si distingue per essere la 5aforma di cancro più comune in tutto il mondo e la5a più mortale. Le statistiche globali rivelano che ogni anno vengono identificati circa 1 milione di nuovi casi, con l'Asia orientale che si fa carico di una quota sproporzionata della malattia, contribuendo a oltre la metà dell'incidenzaglobale1. Per coloro a cui è stato diagnosticato un GC in stadio iniziale, la prospettiva di sopravvivenza è significativamente favorevole, con oltre il 90% che raggiunge tassi di sopravvivenza a 5 anni dopo dissezione sottomucosa endoscopica (ESD) o intervento chirurgico radicale2. Tuttavia, la sottile presentazione dei sintomi iniziali porta spesso alla diagnosi di una fase localmente avanzata o metastatica 3,4. Le prospettive per i pazienti in questi stadi avanzati sono terribili, con quelli che non vengono trattati che sperimentano una sopravvivenza globale (OS) mediana di appena 6 mesi. Anche con la somministrazione di regimi chemioterapici combinati a base di fluorouracile e platino, la sopravvivenza globale mediana è semplicemente estesa a circa un anno5.

Recentemente, c'è stato un cambiamento significativo nel trattamento del cancro allo stomaco in fase avanzata, a causa di questi nuovi farmaci chiamati inibitori del checkpoint immunitario. Sono simili a una bacchetta magica per le cellule tumorali che hanno un certo marcatore, PD-L1, che si presenta su di esse - almeno un punteggio di 1 sulla scala del punteggio positivo combinato (CPS). Questi trattamenti sono anche molto efficaci per i tumori che sono tutti mescolati nel loro DNA, che è chiamata alta instabilità dei microsatelliti (MSI-H). Questo nuovo approccio fa la differenza nel fornire ai pazienti più tempo 6,7. Studi clinici registrativi indicano che all'interno della coorte PD-L1-positiva, gli individui con un CPS di 10 o superiore ottengono un aumento più pronunciato della sopravvivenza dopo il trattamento con anticorpi monoclonali PD-1 8,9. Ciononostante, l'attuale immunoterapia deve ancora affrontare molteplici sfide cliniche: tassi di risposta obiettiva (ORR) generalmente inferiori al 20%, tassi di resistenza secondaria fino al 40%-60%, sistemi di previsione dei biomarcatori imperfetti (i biomarcatori esistenti possono identificare solo il 30%-40% dei potenziali beneficiari) e difficoltà nella gestione degli eventi avversi immuno-correlati (IRAE)10,11,12,13,14. Sebbene il doppio blocco del checkpoint immunitario (ad esempio, inibizione combinata di PD-1/CTLA-4) o i regimi chemioimmunoterapici possano aumentare i tassi di risposta al 40%-60%, circa la metà dei pazienti non riesce ancora a ottenere benefici clinici duraturi15. Pertanto, la creazione di sistemi di classificazione di precisione basati su caratteristiche multi-omiche, la scoperta di nuovi biomarcatori predittivi e l'identificazione di nuovi checkpoint immunitari sono diventate direzioni di ricerca critiche per migliorare i risultati clinici dell'immunoterapia GC.

Il trascritto 1 lectina-simile (LLT1) è una proteina correlata alla lectina di tipo C, con CD161, un costituente della famiglia dei recettori delle cellule natural killer (NK), che funge da partner di legame identificato. Il gene CLEC2D, responsabile della sua sintesi, dà origine a cinque isoforme distinte attraverso eventi di splicing alternativi che bypassano alcuni esoni. La variante 1, nota come LLT1, è stata convalidata come l'unica variante presente sulla membrana cellulare16,17. L'espressione di LLT1 è osservata prevalentemente in vari tipi di cellule immunitarie, come i linfociti B, le cellule NK, le cellule dendritiche (DC), specifiche popolazioni di cellule T (comprese le cellule T attivate e regolatorie), i monociti e i macrofagi, ed è anche osservata in alcune cellule maligne e durante gli episodi infiammatori18. I risultati iniziali indicano che LLT1 è sovraregolato nelle DC e nelle cellule B in seguito alla stimolazione del recettore Toll-like (TLR). È stato dimostrato che l'impegno di LLT1 con CD161 sopprime la citotossicità cellulo-mediata NK, suggerendo il suo coinvolgimento nella modulazione della risposta immunitaria18. Nelle cellule B, l'espressione di LLT1 è sovraregolata dall'infezione virale o dalla stimolazione infiammatoria. Quando funzionano come cellule presentanti l'antigene (APC), l'interazione LLT1-CD161 esercita un duplice effetto immunomodulatorio sopprimendo la funzione delle cellule NK e co-stimolando la proliferazione delle cellule T o la produzione di IFN-γ19.

LLT1 è noto per essere presente in una serie di cellule cancerose, tra cui il carcinoma mammario triplo negativo, il glioblastoma e il linfoma non-Hodgkin a cellule B. Questa proteina interagisce con il recettore CD161 presente sulle cellule NK, bloccando efficacemente la loro capacità di distruggere le cellule tumorali, aiutando così nell'evasione della risposta immunitaria 20,21,22. Un'osservazione notevole nel carcinoma orofaringeo a cellule squamose HPV-negativo è l'espressione variabile di LLT1, che, secondo studi immunoistochimici, indica un significato prognostico positivo quando è altamente espresso all'interno di strutture linfoidi terziarie (TLS), mentre la sua presenza sulle cellule tumorali è legata a un esito peggiore23. Inoltre, nel contesto del carcinoma polmonare non a piccole cellule (NSCLC), LLT1 non viene rilevato nelle cellule tumorali stesse, ma si trova all'interno del microambiente tumorale (TME) e il suo livello di espressione dell'mRNA è associato a una prognosi migliore24.

Come dimostrato da Mathewson et al. nella ricerca sul glioma, il blocco di CD161 migliora l'uccisione mediata dalle cellule T delle cellule di glioma in vitro e migliora la loro funzione antitumorale in vivo, evidenziando il potenziale terapeutico di CD161 come bersaglio del checkpoint immunitario25. Dato che LLT1 è il ligando canonico di CD16118, il suo ruolo come bersaglio immunoterapico merita una seria considerazione. Analogamente all'interazione critica tra PD-1 e PD-L1 in immunoterapia, lo studio delle funzioni biologiche di LLT1 nel carcinoma gastrico e della sua correlazione con gli esiti dell'immunoterapia ha un valore clinico significativo.

Questo studio fornisce un'analisi completa dei modelli di espressione di LLT1 all'interno del microambiente tumorale del cancro gastrico, integrando sia le indagini a livello di mRNA che di proteine. Valuta sistematicamente il potenziale di LLT1 come biomarcatore prognostico nel carcinoma gastrico avanzato e ne valuta il valore predittivo per l'efficacia dell'immunoterapia. Queste intuizioni contribuiscono a una comprensione più profonda del suo potenziale clinico traslazionale.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

La ricerca che coinvolge soggetti umani è stata esaminata e approvata dal Comitato Etico del Primo Ospedale Affiliato dell'Università di Soochow (Approvazione n. 2019026). Il comitato di revisione etica del Primo Ospedale Affiliato dell'Università di Soochow ha approvato o concesso un'esenzione per la revisione etica di questo utilizzo dei dati. Inoltre, è stato ottenuto il consenso informato da tutti i partecipanti.

Analisi dei dati bioinformatici
Dopo un esame approfondito dell'analisi dell'espressione pan-tumorale dei database TCGA e Tumor IMmune Estimation Resource (TIMER), il comportamento di LLT1 è stato studiato in vari tipi di cancro, con particolare attenzione al cancro gastrico. Il database TISIDB è stato utilizzato per studiare la correlazione tra i livelli di espressione di LLT1 e diversi sottotipi molecolari di carcinoma gastrico. La correlazione tra le caratteristiche cliniche dei pazienti e l'espressione di LLT1 è stata ulteriormente analizzata con i dati TCGA attraverso la programmazione R. Le analisi GO e KEGG sono state impiegate per studiare il ruolo funzionale di LLT1 nella carcinogenesi gastrica. L'algoritmo ESTIMATE (Estimation of STromal and Immune cells in MAlignant Tumor tissues using Expression data) è stato inoltre impiegato per quantificare i livelli di infiltrazione delle cellule immunitarie e stromali nei tessuti tumorali secondo i modelli di espressione di LLT1. Ulteriori analisi utilizzando l'algoritmo CIBERSORT sono state condotte per valutare le correlazioni tra i livelli di espressione di LLT1 e specifici modelli di infiltrazione delle cellule immunitarie all'interno del microambiente tumorale. L'analisi bioinformatica completa è stata eseguita utilizzando set di dati TCGA e la programmazione statistica R (v4.4.1) per interrogare potenziali correlazioni tra i profili di espressione di LLT1 e i biomarcatori immunoregolatori. Infine, il database TCIA (The Cancer Immunome Atlas) è stato utilizzato per indagare se l'espressione di LLT1 potesse predire la risposta alla terapia di blocco del checkpoint immunitario PD-1/PD-L1.

Campioni GAC e costruzione di microarray tissutali (TMA)
Sono stati generati due set di dati di microarray tissutali come segue:

Il primo set ha analizzato retrospettivamente i campioni di 268 pazienti con GAC sottoposti a intervento chirurgico nel 2011. I patologi hanno selezionato blocchi di paraffina, identificato le regioni centrali del tumore e li hanno costruiti in microarray di tessuti. Ad ogni singolo sito di campionamento è stato assegnato un identificatore distinto per monitorare meticolosamente i parametri clinici associati come sesso, età, dimensioni della neoplasia, grado di differenziazione neoplastica, fase di progressione del cancro, profondità di invasione, coinvolgimento linfatico e presenza di diffusione a distanza. La durata della sopravvivenza globale (OS) è stata definita come l'intervallo dall'inizio della terapia fino all'insorgenza della mortalità o alla data limite di dicembre 2017. Va sottolineato che i dati completi sulla sopravvivenza globale erano disponibili solo per un sottogruppo di 198 partecipanti.

Il secondo gruppo comprendeva 115 pazienti naïve al trattamento con GC avanzato, sottoposti a resezione chirurgica/endoscopica presso il First Affiliated Hospital della Soochow University tra il 2016 e il 2023. I patologi hanno valutato i blocchi di paraffina e costruito microarray tissutali con un attento follow-up della progressione della malattia. In particolare, tutti i campioni sono stati raccolti prima di qualsiasi trattamento preoperatorio e il trattamento postoperatorio consisteva principalmente in anticorpi monoclonali PD-1 combinati con la chemioterapia.

Tutti i campioni di resezione chirurgica sono stati raccolti dall'antro dello stomaco. Tutti i campioni sono stati fissati in formalina tamponata neutra e incorporati in paraffina. Sulla base della valutazione delle sezioni colorate con H&E, due patologi senior hanno identificato in modo indipendente le regioni tissutali più rappresentative dai campioni inclusi in paraffina. I microarray di tessuto (TMA) sono stati costruiti utilizzando un array di tessuti automatizzato, con nuclei di tessuto posizionati con precisione nei blocchi TMA in base a moduli predefiniti. Infine, i blocchi TMA completati sono stati sezionati a 4 μm di spessore da un istotecnologo esperto.

Immunoistochimica (IHC) e immunofluorescenza multiplex (mIHC)
I saggi immunoistochimici e di immunofluorescenza multiplex sono stati condotti su un microarray di tessuti costruito. La colorazione IHC è stata eseguita secondo una metodologia precedentemente stabilita26. La prima serie di sezioni di paraffina microarray è stata trasferita su vetrini e cotta a 72°C per 1 ora. Dopo che le sezioni sono state deparaffinizzate con xilene e reidratate in diluizioni di etanolo progressivamente crescenti, l'attività endogena della perossidasi è stata bloccata dall'applicazione della soluzione bloccante della perossidasi per 30 minuti. Il recupero dell'antigene è stato eseguito facendo bollire i vetrini a 110 °C in una soluzione di recupero dell'antigene citrato (pH 6,0) per 3 minuti. Dopo il blocco con tampone bloccante BSA al 5%, le sezioni sono state incubate con monoclonale CLEC2D anti-umano di topo, monoclonale CD3 anti-umano di topo (pronto all'uso), monoclonale CD4 anti-umano di topo (pronto all'uso), monoclonale CD8 anti-umano di coniglio (pronto all'uso), monoclonale CD11c anti-umano di topo (1:50), monoclonale CD19 anti-umano di topo (pronto all'uso), monoclonale CD31 anti-umano di topo (pronto all'uso), monoclonale CD56 anti-umano di topo (pronto all'uso), monoclonale CD68 anti-umano di topo (pronto all'uso), monoclonale Foxp3 anti-umano di coniglio (1:50), IL-17 monoclonale di topo anti-umano (1:50), monoclonale di IFN-γ anti-umano di topo (1:50), monoclonale Ki67 anti-umano di topo (1:50), monoclonale PD-L1 anti-umano di topo (pronto all'uso) a 4 °C durante la notte27,28. I vetrini sono stati quindi lavati e incubati con anticorpi secondari marcati con perossidasi di rafano (anti-topo e coniglio) a temperatura ambiente per 30 minuti. Dopo l'incubazione, i campioni sono stati lavati e il sistema di rilevamento EnVision è stato utilizzato per l'immunorilevamento. Al microscopio, quando iniziano ad apparire aree marroni sul chip, è necessaria un'attenta osservazione. La reazione cromogenica dovrebbe essere interrotta una volta che le aree marroni non aumentano più. I vetrini sono stati controcolorati con ematossilina di Mayer e montati con colla neutra. Nel controllo negativo, sono state utilizzate IgG di topo o coniglio al posto dell'anticorpo primario. Il controllo positivo era il tessuto tonsillare umano. La seconda serie di sezioni di microarray viene utilizzata per l'immunoistochimica multiplex (mIHC). Riutilizzando le suddette condizioni di recupero e blocco dell'antigene, il pannello anticorpale è ottimizzato spettralmente come segue: PD-L1 (480 nm), CD161 (520 nm), LLT1 (570 nm), PD-1 (620 nm), CD8 (690 nm) e PAN-CK (780 nm). Gli anticorpi primari sono stati incubati nelle stesse condizioni del protocollooriginale 29 (ad eccezione di PANCK e CD161, che sono stati introdotti di recente), alla diluizione raccomandata 1:100, seguita da colorazione a fluorescenza con amplificazione del segnale di tiramide (TSA). Dopo ogni ciclo di colorazione a fluorescenza, viene eseguito lo stripping degli anticorpi, seguito da ripetuti recuperi dell'antigene, blocco endogeno della perossidasi e blocco del bersaglio non specifico prima di incubare il successivo anticorpo primario. Quando si esegue l'immunoistochimica multiplex, tre punti sono cruciali: gli esperimenti preliminari devono essere condotti per ciascun colorante fluorescente, gli anticorpi fortemente espressi devono essere abbinati a segnali fluorescenti deboli, mentre gli anticorpi debolmente espressi devono essere accoppiati con segnali fluorescenti forti e, dopo aver colorato ciascun marcatore fluorescente, i risultati della colorazione devono essere osservati al microscopio in condizioni di protezione dalla luce. Dopo la colorazione con il 6° colorante fluorescente, la controcolorazione DAPI viene applicata per etichettare i nuclei cellulari e i vetrini vengono montati. Infine, tutti i microarray di tessuti sono stati scansionati utilizzando uno scanner di patologia digitale e analizzati con un software di analisi delle immagini di patologia digitale basato sull'intelligenza artificiale.

Valutazione della colorazione IHC/mIHC
I risultati della colorazione sono stati interpretati da due esperti patologi in doppio cieco. Hanno misurato la profondità della colorazione utilizzando un obiettivo ad alta potenza (ingrandimento 200x) o un'impostazione fluorescente corrispondente (200x), assegnando punteggi che vanno da 0 (nessuna colorazione) a 3 (colorazione intensa). Le frazioni di cellule LLT1-positive all'interno di campioni di carcinoma gastrico sono state divise in quattro stratificazioni: 0 (<5%), 1 (5-25%), 2 (26-50%) e 3 (>50%). Il punteggio di immunoreattività (IRS) è stato derivato dal prodotto della profondità di colorazione e della proporzione di cellule LLT1-positive. I campioni con punteggio zero sono stati considerati negativi, mentre i punteggi da 1 a 4 indicavano un'espressione debole, 5-7 moderata e 8-9 un'espressione forte; gli stessi criteri sono stati applicati per valutare l'espressione di altri marcatori come Ki67 e CD3. Sulla base della metodologia di valutazione e raggruppamento, i campioni sono stati etichettati come aventi un'espressione forte (IRS8-9), moderata (IRS5-7), debole (IRS1-4) o assente (IRS0). I pazienti con i punteggi più bassi (IRS≤4) sono stati assegnati al gruppo a bassa espressione e quelli con punteggi più alti (IRS≥5) sono stati assegnati al gruppo ad alta espressione.

Tuttavia, per il marcatore PD-L1, è stato adottato un approccio diverso utilizzando il CPS. Questo punteggio è stato determinato dal rapporto tra le cellule PD-L1-positive (comprese le cellule tumorali, immunitarie e stromali) e il numero totale di cellule tumorali vitali aumentato di un fattore 100. Gli individui con un CPS superiore a cinque sono stati inseriti nella coorte ad alta espressione, mentre quelli con un CPS di cinque o inferiore sono stati raggruppati nella coorte a bassa espressione.

Raggruppamento della risposta all'immunoterapia
In linea con i Criteri di Valutazione della Risposta nei Tumori Solidi versione 1.1 (RECIST 1.1), la valutazione delle lesioni target nei pazienti rientra in quattro categorie distinte: (a) Risposta Completa (CR): tutte le lesioni target sono completamente scomparse e l'asse corto di tutti i linfonodi patologici (sia target che non target) deve misurare meno di 10 mm; b) risposta parziale (PR): il diametro cumulativo di tutte le lesioni bersaglio misurabili si è ridotto di almeno il 30% rispetto alle misurazioni di base; c) Malattia progressiva (PD): questa categoria è applicabile quando il diametro cumulativo delle lesioni bersaglio è aumentato di almeno il 20% rispetto al valore più piccolo registrato durante lo studio (utilizzando il basale come riferimento se rappresenta il valore più piccolo), con un aumento assoluto non inferiore a 5 mm; inoltre, l'emergere di nuove lesioni è anche classificato come malattia progressiva (PD); (d) Malattia stabile (SD): il diametro cumulativo delle lesioni bersaglio non raggiunge né i criteri di riduzione per la PR né i criteri di aumento per la PD durante lo studio. Sono state implementate due tecniche di stratificazione. Il primo metodo prevedeva la segregazione dei pazienti in base al loro stato di risposta, dove i pazienti PD (n=53) e SD (n=46) costituivano il gruppo non-responder (n=99), mentre i pazienti PR (n=15) e CR (n=1) formavano il gruppo responder (n=16). Il secondo approccio ha comportato la categorizzazione dei pazienti in base alla progressione della malattia, con i pazienti CR, PR e SD classificati come coorte immunoterapica-efficace (n=62) e i pazienti PD come coorte immunoterapia non efficace (n=53).

Analisi statistica
Le valutazioni empiriche sono state eseguite utilizzando la piattaforma di calcolo R (versione 4.4.1) e il pacchetto software SPSS Statistical (versione 27.0). Le disparità tra le coorti di studio sono state studiate mediante l'applicazione dell'analisi della tabella di contingenza chi-quadrato. La tecnica di correlazione non parametrica di Spearman è stata impiegata per sondare la forza e la direzione delle associazioni tra le variabili. Le variazioni del tempo di sopravvivenza sono state analizzate attraverso la costruzione di stimatori di Kaplan-Meier integrati da test di rango logaritmico per la significatività. Successivamente, sono stati impiegati modelli di regressione dei rischi proporzionali di Cox per identificare i fattori che potenzialmente influenzano gli esiti di sopravvivenza dei pazienti. La significatività statistica era predefinita come una soglia del valore p a due lati di <0,05. Per garantire la robustezza dei risultati, sono state condotte analisi di sensibilità complete per valutare le potenziali variabili confondenti, con modelli multivariati adattati di conseguenza. Inoltre, sono state fornite interpretazioni esplicite degli hazard ratio per facilitare la comprensione clinica, sottolineando le implicazioni pratiche dei fattori di rischio identificati sulla prognosi del paziente.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

Associazione tra l'espressione dell'mRNA di CLEC2D e la sottoclassificazione/parametri clinici del cancro gastrico
Un esame iniziale completo del cancro utilizzando il set di dati TCGA, facilitato dal database TIMER, ha rivelato un notevole aumento dei livelli di trascrizione CLEC2D in vari tessuti cancerosi, come illustrato nella Figura 1A. Questa osservazione implica che CLEC2D può fungere da fattore oncogeno...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

Il nostro studio ha mostrato una maggiore espressione dell'mRNA di CLEC2D nei tessuti tumorali rispetto ai tessuti normali. I risultati immunoistochimici del carcinoma gastrico hanno rivelato che un'elevata espressione della proteina LLT1 nei tessuti tumorali era associata a una prognosi migliore e correlata positivamente con l'infiltrazione di cellule immunitarie nel microambiente tumorale. L'analisi dei tessuti di pazienti con carcinoma gastrico sottoposti a immunoterapia ha i...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Gli autori non segnalano alcun potenziale conflitto di interessi.

Ringraziamenti

Un grato riconoscimento è esteso al database TCGA per aver fornito supporto ai dati. Questo studio è stato sostenuto dalla National Natural Science Foundation of China (Grant No. 81974375) e dalle sovvenzioni del Suzhou Science and Technology Development Plan (SKY2022129). Lo studio aderisce alle linee guida ARRIVE.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
5% Buffer di blocco BSAPechino Solarbio Scienza & Fornitore verificato - Technology Co., Ltd., CinaSW3015
anti-CD11c ZSGB-BIO, Cina5D11
Anti-CD161Abcam,Cambridge, Regno Unitoab302564
anti-CD19   ZSGB-BIO, CinaEPl69
anti-CD3 ZSGB-BIO, CinaLNl0
anti-CD31ZSGB-BIO, Cina  UMAB30
anti-CD4ZSGB-BIO, CinaUMAB64
anti-CD56 ZSGB-BIO, CinaUMAB83
anti-CD68 ZSGB-BIO, CinaKP1
anti-CD8ZSGB-BIO, CinaEpisodio 334
Anti-CLEC2DAbcam,Cambridge, Regno Unitoab197341
anti-Foxp3R& D Systems, Stati UnitiCodice: 1054C
anti-IFN-γ  Santa Cruz BiotecnologiaSC-74108
anti-IL-17R& D Systems, Stati Uniti  MAB317 
anti-Ki67 ZSGB-BIO, Cina8H5
Anti-pan Citocheratina Abcam,Cambridge, Regno Unitoab7753
Anti-PD-1Abcam,Cambridge, Regno Unitoab137132
Anti-PD-L1DAKO,Danimarca22C3
Apparecchiature automatizzate per array di tessutiEstigen OU, Tartu, EstoniaBeecher ATA 27Questo strumento viene utilizzato principalmente per la costruzione di microarray tissutali.
Soluzione per il recupero dell'antigene citratoAladdin Biochemical Technology Co., Ltd , CinaC752119
Kit cromogeno DAB AiFang biologico, CinaAFIHC004
Scanner patologico digitaleFornitore verificato - Ningbo Jiangfeng Bio-Information Technology Co., Ltd, CinaKF-FL-020Questo strumento viene utilizzato principalmente per la scansione di chip immunoistochimici e immunoistochimici multiplex.
GraphPad Prisma 10Software GraphPad, Stati Uniti d'Americav10.0.3Questo software è per la rappresentazione grafica delle curve di Kaplan-Meier (con analisi statistica log-rank), la visualizzazione dei dati scientifici e la preparazione delle figure.
PBSAladdin Biochemical Technology Co., Ltd , CinaP743267
Soluzione bloccante della perossidasiAiFang biologico, CinaAFIHC012
Anticorpo secondario polimero-HRP coniugato capra anti-topo/coniglioAiFang biologico, CinaAFIHC001
Kit di colorazione multiplex a immunofluorescenza a sei colori a sette marcatoriAiFang biologico, CinaAFIHC037Questo kit di reagenti è progettato per l'immunoistochimica multiplex (mIHC)
SPSSIBM Corporation, Stati Uniti d'AmericaStatistiche IBM SPSS 27Il software è stato utilizzato per l'analisi statistica dei dati.
Il progetto RSquadra principale RV4.4.1Tutti i pacchetti R, il codice correlato e i file originali sono stati caricati nel database pubblico.
Software VISIOPHARMVisiopharm,Danimarca2025.02.2.18022 x64Questo software è progettato principalmente per l'analisi quantitativa di immagini patologiche.

Riferimenti

  1. Bray, F., et al. Global cancer statistics 2022: Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 74 (3), 229-263 (2024).
  2. Suzuki, H., et al. Long-term survival after endoscopic resection for gastric cancer: Real-world evidence from a multicenter prospective cohort. Clin Gastroenterol Hepatol. 21 (2), 307-318.e2 (2023).
  3. Ma, S., et al. Clinical application and detection techniques of liquid biopsy in gastric cancer. Mol Cancer. 22 (1), 7(2023).
  4. Ugai, T., et al. Is early-onset cancer an emerging global epidemic? Current evidence and future implications. Nat Rev Clin Oncol. 19 (10), 656-673 (2022).
  5. Wagner, A. D., et al. Chemotherapy for advanced gastric cancer. Cochrane Database Syst Rev. 8 (8), Cd004064(2017).
  6. Chao, J., et al. Assessment of pembrolizumab therapy for the treatment of microsatellite instability-high gastric or gastroesophageal junction cancer among patients in the keynote-059, keynote-061, and keynote-062 clinical trials. JAMA Oncol. 7 (6), 895-902 (2021).
  7. Lee, K. W., et al. Association of tumor mutational burden with efficacy of pembrolizumab±chemotherapy as first-line therapy for gastric cancer in the phase III Keynote-062 study. Clin Cancer Res. 28 (16), 3489-3498 (2022).
  8. Wainberg, Z. A., et al. Efficacy of pembrolizumab monotherapy for advanced gastric/gastroesophageal junction cancer with programmed death ligand 1 combined positive score ≥10. Clin Cancer Res. 27 (7), 1923-1931 (2021).
  9. Zhao, J. J., et al. Low programmed death-ligand 1-expressing subgroup outcomes of first-line immune checkpoint inhibitors in gastric or esophageal adenocarcinoma. J Clin Oncol. 40 (4), 392-402 (2022).
  10. Zhu, Q., Zhang, R., Zhao, Z., Xie, T., Sui, X. Harnessing phytochemicals: Innovative strategies to enhance cancer immunotherapy. Drug Resist Updat. 79, 101206(2025).
  11. Khosravi, G. R., et al. Immunologic tumor microenvironment modulators for turning cold tumors hot. Cancer Commun (Lond). 44 (5), 521-553 (2024).
  12. Gibney, G. T., Weiner, L. M., Atkins, M. B. Predictive biomarkers for checkpoint inhibitor-based immunotherapy. Lancet Oncol. 17 (12), e542-e551 (2016).
  13. Sharma, P., Hu-Lieskovan, S., Wargo, J. A., Ribas, A. Primary, adaptive, and acquired resistance to cancer immunotherapy. Cell. 168 (4), 707-723 (2017).
  14. Naidoo, J., et al. Toxicities of the anti-PD-1 and anti-PD-L1 immune checkpoint antibodies. Ann Oncol. 27 (7), 1362(2016).
  15. Yang, M., Lin, W., Huang, J., Mannucci, A., Luo, H. Novel immunotherapeutic approaches in gastric cancer. Precis Clin Med. 7 (4), pbae020(2024).
  16. Germain, C., et al. Characterization of alternatively spliced transcript variants of clec2d gene. J Biol Chem. 285 (46), 36207-36215 (2010).
  17. Boles, K. S., Barten, R., Kumaresan, P. R., Trowsdale, J., Mathew, P. A. Cloning of a new lectin-like receptor expressed on human NK cells. Immunogenetics. 50 (1-2), 1-7 (1999).
  18. Rosen, D. B., et al. Cutting edge: Lectin-like transcript-1 is a ligand for the inhibitory human nkr-p1a receptor. J Immunol. 175 (12), 7796-7799 (2005).
  19. Germain, C., et al. Induction of lectin-like transcript 1 (llt1) protein cell surface expression by pathogens and interferon-γ contributes to modulate immune responses. J Biol Chem. 286 (44), 37964-37975 (2011).
  20. Marrufo, A. M., et al. Blocking llt1 (clec2d, ocil)-nkrp1a (cd161) interaction enhances natural killer cell-mediated lysis of triple-negative breast cancer cells. Am J Cancer Res. 8 (6), 1050-1063 (2018).
  21. Germain, C., et al. Lectin-like transcript 1 is a marker of germinal center-derived B-cell non-Hodgkin's lymphomas, dampening natural killer cell functions. Oncoimmunology. 4 (8), e1026503(2015).
  22. Roth, P., et al. Malignant glioma cells counteract antitumor immune responses through expression of lectin-like transcript-1. Cancer Res. 67 (8), 3540-3544 (2007).
  23. Sanchez-Canteli, M., et al. Lectin-like transcript 1 (llt1) checkpoint: A novel independent prognostic factor in hpv-negative oropharyngeal squamous cell carcinoma. Biomedicines. 8 (12), 535(2020).
  24. Braud, V. M., et al. Expression of llt1 and its receptor CD161 in lung cancer is associated with better clinical outcome. Oncoimmunology. 7 (5), e1423184(2018).
  25. Mathewson, N. D., et al. Inhibitory CD161 receptor identified in glioma-infiltrating T cells by single-cell analysis. Cell. 184 (5), 1281-1298.e26 (2021).
  26. Guo, L., et al. Association of increased B7 protein expression by infiltrating immune cells with progression of gastric carcinogenesis. Medicine (Baltimore). 98 (8), e14663(2019).
  27. Quan, Q., et al. Expression and clinical significance of PD-L1 and infiltrated immune cells in the gastric adenocarcinoma microenvironment. Medicine (Baltimore). 102 (48), e36323(2023).
  28. Varaden, D., Moodley, J., Onyangunga, O. A., Naicker, T. Morphometric image analysis of placental c-type lectin domain family 2, member d (clec2d) immuno-expression in hiv associated pre-eclampsia. Eur J Obstet Gynecol Reprod Biol X. 3, 100039(2019).
  29. Chen, S., et al. B7-h3 and CD47 co-expression in gastric cancer is a predictor of poor prognosis and potential targets for future dual-targeting immunotherapy. J Cancer Res Clin Oncol. 149 (18), 16609-16621 (2023).
  30. Cancer Genome Atlas Research Network. Comprehensive molecular characterization of gastric adenocarcinoma. Nature. 513 (7517), 202-209 (2014).
  31. Cristescu, R., et al. Molecular analysis of gastric cancer identifies subtypes associated with distinct clinical outcomes. Nat Med. 21 (5), 449-456 (2015).
  32. Thorsson, V., et al. The immune landscape of cancer. Immunity. 48 (4), 812-830.e14 (2018).
  33. Tumeh, P. C., et al. Pd-1 blockade induces responses by inhibiting adaptive immune resistance. Nature. 515 (7528), 568-571 (2014).
  34. Lopez De Rodas, M., et al. Biological and clinical significance of tumour-infiltrating lymphocytes in the era of immunotherapy: A multidimensional approach. Nat Rev Clin Oncol. , (2025).
  35. Myojin, Y., et al. Multiomics analysis of immune correlatives in hepatocellular carcinoma patients treated with tremelimumab plus durvalumab. Gut. , (2025).
  36. Marvel, D., Gabrilovich, D. I. Myeloid-derived suppressor cells in the tumor microenvironment: Expect the unexpected. J Clin Invest. 125 (9), 3356-3364 (2015).
  37. Sautès-Fridman, C., Petitprez, F., Calderaro, J., Fridman, W. H. Tertiary lymphoid structures in the era of cancer immunotherapy. Nat Rev Cancer. 19 (6), 307-325 (2019).
  38. Ye, Z., et al. Gastric cancer-derived exosomal let-7 g-5p mediated by serpine1 promotes macrophage m2 polarization and gastric cancer progression. J Exp Clin Cancer Res. 44 (1), 2(2025).
  39. Gajewski, T. F., Schreiber, H., Fu, Y. X. Innate and adaptive immune cells in the tumor microenvironment. Nat Immunol. 14 (10), 1014-1022 (2013).
  40. Vivier, E., et al. Innate or adaptive immunity? The example of natural killer cells. Science. 331 (6013), 44-49 (2011).
  41. Xiong, S., Dong, L., Cheng, L. Neutrophils in cancer carcinogenesis and metastasis. J Hematol Oncol. 14 (1), 173(2021).
  42. Mantovani, A., Locati, M. Tumor-associated macrophages as a paradigm of macrophage plasticity, diversity, and polarization: Lessons and open questions. Arterioscler Thromb Vasc Biol. 33 (7), 1478-1483 (2013).
  43. Niu, X., et al. Autophagy in cancer development, immune evasion, and drug resistance. Drug Resist Updat. 78, 101170(2025).
  44. Ikeda, H., et al. Immune evasion through mitochondrial transfer in the tumour microenvironment. Nature. 638 (8049), 225-236 (2025).
  45. Gabrilovich, D. I., Nagaraj, S. Myeloid-derived suppressor cells as regulators of the immune system. Nat Rev Immunol. 9 (3), 162-174 (2009).
  46. Pan, Y., et al. The protective and pathogenic role of Th17 cell plasticity and function in the tumor microenvironment. Front Immunol. 14, 1192303(2023).
  47. Smyth, M. J., et al. Perforin-mediated cytotoxicity is critical for surveillance of spontaneous lymphoma. J Exp Med. 192 (5), 755-760 (2000).
  48. Galon, J., et al. Type, density, and location of immune cells within human colorectal tumors predict clinical outcome. Science. 313 (5795), 1960-1964 (2006).
  49. Galon, J., Bruni, D. Approaches to treat immune hot, altered, and cold tumours with combination immunotherapies. Nat Rev Drug Discov. 18 (3), 197-218 (2019).
  50. Chen, D. S., Mellman, I. Elements of cancer immunity and the cancer-immune set point. Nature. 541 (7637), 321-330 (2017).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Espressione di LLT1checkpoint immunitariomicroambiente tumoraleinfiltrazione di cellule immunitarieespressione di PD L1cellule T CD8immunoistochimicaimmunofluorescenza multiplex

Articoli correlati