个性化癌症疫苗

来自医学百科

个性化癌症疫苗 (Personalized Cancer Vaccines) 是肿瘤免疫治疗的集大成者。

它是 新抗原 理论的临床落地形态，是 全外显子测序 (WES) 和 二代测序 (NGS) 技术的终极应用场景，也是目前mRNA技术（如 Moderna, BioNTech）在传染病之外最主要的发力点。

个性化癌症疫苗[编辑 | 编辑源代码]

文件:Personalized Vaccine Workflow.jpg
个性化疫苗生产流程：活检 $\rightarrow$ 测序 (WES/RNA-seq) $\rightarrow$ AI 预测新抗原 $\rightarrow$ mRNA/多肽合成 $\rightarrow$ 疫苗回输。整个“静脉到静脉”周期目前约为 4-8 周。

个性化癌症疫苗（Personalized Cancer Vaccines），又称个体化新抗原疫苗，是一种根据每位患者肿瘤特有的基因突变图谱“量身定制”的免疫治疗药物。

与传统针对公共抗原（如 HER2, MAGE）的疫苗不同，个性化疫苗靶向的是患者肿瘤独有的 新抗原 (Neoantigens)。通过将这些新抗原的遗传信息（mRNA 或 DNA）或肽段导入患者体内，训练患者的免疫系统识别并精准杀灭携带这些特定突变的癌细胞。

基本信息[编辑 | 编辑源代码]

中文名称 个性化癌症疫苗
英文名称 Personalized Cancer Vaccines (PCV)
核心靶点 新抗原 (Neoantigen)
主要载体 mRNA (脂质纳米颗粒包裹), 合成多肽, 树突状细胞
核心技术 NGS 测序 + AI 预测算法
治疗模式 辅助治疗 (术后防复发) 或 联合 PD-1 治疗晚期实体瘤

核心逻辑：为什么需要“个性化”？[编辑 | 编辑源代码]

肿瘤具有高度的异质性 (Heterogeneity)。即使是同一种癌症（如肺癌），不同患者的基因突变位点也截然不同。

  • 传统疫苗困境：针对公共靶点（Shared Antigens）的疫苗往往因中枢免疫耐受而效果不佳，且容易脱靶。
  • 个性化优势：
    • 高特异性：仅攻击肿瘤，不伤正常组织。
    • 高强度：新抗原属于“非己”物质，能诱发极强的 T 细胞应答。
    • 克服异质性：一个疫苗通常包含 10-34 个不同的新抗原靶点，防止肿瘤通过丢失单一抗原而逃逸。

制备流程 (Pipeline)[编辑 | 编辑源代码]

个性化疫苗的制备是一个高度依赖数据和算法的工业化流程：

  1. 样本采集：获取患者的肿瘤组织和正常血液。
  2. 双重测序：
    • 全外显子测序 (WES)：对比肿瘤与血液 DNA，找出肿瘤特有的非同源突变。
    • RNA 测序 (RNA-seq)：确认这些突变基因在肿瘤中是否真实表达。
  3. AI 预测与筛选：
    • 利用生物信息学算法预测突变肽段与患者自身 MHC分子 (HLA) 的结合亲和力。
    • 筛选出免疫原性最强的 10-30 个新抗原。
  4. 药物合成：
    • mRNA 路线：将编码这些新抗原的序列串联起来，合成 mRNA 并包裹在脂质纳米颗粒 (LNP) 中（类似 COVID-19 疫苗）。
    • 多肽路线：化学合成长肽段，混合佐剂。
  5. 回输治疗：肌肉注射或皮下注射，通常需联合 PD-1抑制剂 使用。

主要技术平台[编辑 | 编辑源代码]

平台 代表企业 优势 挑战
mRNA Moderna, BioNTech 生产速度快，天然佐剂效应 (激活先天免疫)，胞内递送效率高 储存运输需冷链，LNP 可能引起过敏
合成多肽 Nouscom, 华大基因，神州智康 技术成熟，成本相对较低 免疫原性弱 (需强效佐剂)，主要激活 CD4+ T细胞
DNA Inovio 稳定性好 需电穿孔递送，免疫原性较弱

临床进展[编辑 | 编辑源代码]

目前个性化疫苗主要在辅助治疗（术后防止复发）领域展现出突破性潜力：

  • 黑色素瘤 (KEYNOTE-942 研究)：
    • Moderna 的 mRNA-4157 联合帕博利珠单抗 (K药) vs. 单用 K药。
    • 结果：联合治疗组将术后复发或死亡风险降低了 44%。这是首个证明个性化 mRNA 疫苗在随机对照试验中有效的里程碑。
  • 胰腺癌 (BioNTech)：
    • 针对这种“癌王”，mRNA 疫苗诱导出的 T 细胞反应显著延长了部分患者的无复发生存期。

局限性与挑战[编辑 | 编辑源代码]

  • 制备周期 (Vein-to-Vein Time)：目前从抽血到给药通常需要 4-8 周。对于进展极快的晚期患者，可能等不到疫苗制备完成。
  • 成本高昂：每位患者都是单独的一个批次 (N=1)，无法通过规模化生产降低边际成本。
  • 预测准确率：尽管有 AI 加持，仍只有约 20-30% 的预测新抗原能真正诱导 T 细胞杀伤，算法仍需优化。
  • 冷肿瘤难题：对于 肿瘤突变负荷 (TMB) 低的肿瘤，可能找不到足够多的优质新抗原作为靶点。

参考文献[编辑 | 编辑源代码]

  • [1] Sahin U, et al. Personalized RNA mutanome vaccines mobilize poly-specific therapeutic immunity against cancer. Nature. 2017. (BioNTech 的奠基性工作)
  • [2] Ott PA, et al. An immunogenic personal neoantigen vaccine for patients with melanoma. Nature. 2017. (Moderna/Broad 的奠基性工作)
  • [3] Weber JS, et al. mRNA-4157 (V940) combined with pembrolizumab as adjuvant therapy in resected high-risk melanoma. Lancet. 2024. (临床有效的确凿证据)

相关条目[编辑 | 编辑源代码]

取自“https://www.yiliao.com/index.php?title=个性化癌症疫苗&oldid=310131”