首页 > 文章详情

2026 WCLC 中国之声丨肺部微生物组整合分析可预测NSCLC患者对抗PD-1/PD-L1免疫治疗的应答

08月22日

编译：肿瘤资讯

来源：2026 WCLC

Session Type

Mini Oral

Session Title

MO11 Innovative Approaches to Lung Cancer Biomarker Discovery

摘要号

MO11.07

英文标题

Integrated Analysis of Lung Microbiome Predicts Response to Anti-PD-1/PD-L1 Immunotherapy in Patients With Non-Small Cell Lung Cancer

中文标题

肺部微生物组整合分析可预测非小细胞肺癌患者对抗PD-1/PD-L1免疫治疗的应答

讲者

L. Wu

讲者机构

广东省人民医院

引言

肺部免疫微环境会受到局部微生物群的显著影响，而后者可调节肿瘤进展及治疗应答。尽管支气管肺泡灌洗液（BALF）能够直接反映这一局部微环境，但在非小细胞肺癌（NSCLC）免疫治疗中，BALF微生物组与代谢组所发挥的综合作用仍知之甚少。本研究对BALF特征进行了系统分析，旨在识别可预测抗PD-1/PD-L1治疗疗效的微生物学特征。

方法

本研究前瞻性纳入来自中国广东的64例初治、Ⅲ～Ⅳ期、无驱动基因突变的NSCLC患者，并在初次诊断时采集BALF。所有患者均接受以免疫治疗为基础的一线治疗方案。提取BALF中的DNA，进行鸟枪法宏基因组测序；采用液相色谱-串联质谱（LC-MS/MS）进行代谢组学分析。
采用Observed Species指数评估α多样性，采用Bray-Curtis差异和Jensen-Shannon散度（JSD）评估β多样性，随后进行主坐标分析（PCoA）。使用MaAsLin2计算应答组（R组）与未应答组（NR组）之间丰度存在差异的分类单元。进一步采用随机森林模型（RF）、岭回归模型和弹性网络回归模型（Enet）构建预测模型，以识别关键生物标志物。

结果

R组与NR组之间的α多样性无明显差异。然而，R组的β多样性显著高于NR组（p＜0.05）。基于R组和NR组之间差异富集的微生物群，研究主要利用Enet、RF和岭回归算法及其组合构建了6个预测模型。6个模型的曲线下面积（AUC）均超过0.75，提示所构建模型具有较高的可靠性和较强的预测效能。将6种算法所得评分与一线免疫治疗期间的无进展生存期（PFS）相结合分析发现，所有算法均显示高评分组与低评分组之间的生存率存在显著差异。6种方法取交集后，共发现20种共同的细菌菌株。这20种菌株均与免疫治疗期间的PFS相关。富集Streptococcus copri (S. copri）和Asaccharobacter cellobiosedens（A. cellobiosedens）的患者PFS显著延长：前者的中位PFS为12.5个月 vs 2.03个月（p＜0.001），后者的中位PFS为未达到 vs 9个月（p=0.049）。相反，富集Psychrobacillus、Clostridium saccharoperbutylacetonicum（C. saccharoperbutylacetonicum）、Enterococcus hirae（E. hirae）和Tumebacillus desertorum（T. desertorum）的患者PFS显著缩短。其中，Psychrobacillus富集患者的中位PFS为9个月 vs 17个月（p＜0.001）；C. saccharoperbutylacetonicum富集患者的中位PFS为5.6个月 vs 12.5个月（p＜0.001）；E. hirae富集患者的中位PFS为6.5个月 vs 12.5个月（p=0.024）；T. desertorum富集患者的中位PFS为4.2个月 vs 12.5个月（p＜0.001）。

MO1107图像.png