对于肿瘤免疫应答模式的假设是，在治疗前，患者即存在某些可能有效应答或者无效应答的先觉条件（新抗原表达，肿瘤突变负荷TMB，PD-L1表达，肿瘤内的TiLs浸润等等），这些先觉条件能够成为Biomarker，并且通过对治疗前的标本进行分析取得。但实际上并非如此，我们从胚系基因组完全一致的肿瘤同系交配小鼠对checkpoint抑制剂表现出不同的肿瘤应答1-3即可获知：治疗前的肿瘤微环境状态，并不完全决定肿瘤应答模式，在治疗开始后的变化可能是应答的关键因素。
1. van Elsas, A., Hurwitz, A. A. & Allison, J. P. Combination immunotherapy of B16 melanoma using anti-cytotoxic T lymphocyte-associated antigen 4 (CTLA?4) and granulocyte/macrophage colony-stimulating factor (GM-CSF)-producing vaccines induces rejection of subcutaneous and metastatic tumors accompanied by autoimmune depigmentation. J. Exp. Med. 190, 355–366 (1999).
2. Lesterhuis, W. J. et al. Network analysis of immunotherapy-induced regressing tumours identifies novel synergistic drug combinations. Sci. Rep. 5, 12298 (2015).
3. Grosso, J. F. & Jure-Kunkel, M. N. CTLA?4 blockade in tumor models: an overview of preclinical and translational research. Cancer Immun. 13, 5 (2013)
Chaotic system ：一般来说，“混乱”是指“无序状态”。然而，在混沌理论中，这个术语更准确地定义。它必须具有这些性质：
它必须对初始条件（变化）敏感
它必须是拓扑混合结构
它必须具有密集的周期轨道
对初始条件（变化）敏感被普遍称为蝴蝶效应。1972年，爱德华·洛伦兹（Edward Lorenz）在美国华盛顿特区美国科学促进会上提供的题为“可预见性巴西的蝴蝶翅膀在德克萨斯州爆发了一场龙卷风。扑翼是系统初始状态的一个小变化，导致一系列事件导致大规模现象。
肿瘤免疫应答正是这样一个充满了转变，阈值和前反馈后反馈的循环程序的复杂系统，包括T细胞活化或者抑制，迁移和分布，免疫细胞种类扩张或收缩；肿瘤细胞也存在着同样的转变，炎症因子和抗炎因子的参与，组织特异性的细胞和基因的调节，局部的代谢机制，与外界因素的相互作用，以及其他未知的因素都在这个系统中扮演着“蝴蝶”的角色，并且处在蠢蠢欲动的状态。一个细微的变化可能引起下游的螺旋式剧变（immunological cascades)
举例：我们看到，一个轻微的细菌感染可能在健康人引起致命的脓毒血症休克；一个状态良好的病人在接受实验性治疗后的数小时内就可能引发灾难式的细胞因子风暴（cytokine storms）；晚期的肿瘤患者在接受免疫抑制剂治疗的几周内就可能出现肿瘤完全消退。
在肿瘤免疫治疗中看到的不同的反应状态可以被看作是免疫系统的 critical state transition;当系统中的影响因素活动状态接近“临界点”tipping point时，系统将从pre-transition state 转向 new stable state;
在接近tipping point的系统中一个细微的变化（local perturbation）都会引起critical transition;
比如：一个病人的免疫微环境中可能充满了具有肿瘤抗原特异性的T细胞，并且具备了炎症性肿瘤微环境的特点，对比处在non inflame TME状态的病人就更接近tipping point,后续的一些驱动因素比如细胞因子的释放或免疫逃逸机制的阻断（checkpoint blockade) 就会促发critical transition，从而引起肿瘤对治疗的应答。
在这个复杂系统转变前阶段的驱动因素，就是我们要找的biomarker,药物作用的靶点，也是我们的蝴蝶。
Chen PL在2016年发表于《cancer discovery》 的一项研究，研究了用CTLA-4进行起始治疗（n = 53）治疗后PD-1抑制剂序贯（N=46）的转移性黑素瘤患者两组队列（responder 和 non responder）， 并分析在治疗期间多个时间点(at pre-treatment, early on-treatment, and late on-treatment/progression time points)收集的纵向组织样本中的免疫特征进行分析，在PD-1阻断的应答者（R）和无应答者（NR）之间比较了肿瘤微环境中免疫细胞浸润的特征和动力学。
在本研究中，证明在治疗过程中早期获得的肿瘤活检样本中的适应性免疫特征能够有效预测免疫检查点阻断治疗的肿瘤反应，并且也证明了对CTLA4和PD-1阻断诱导的肿瘤微环境的差异作用。更重要的，这种early-on treatment biopsy 的研究方法有助于在治疗早期发现免疫耐药性。
Chen,P. L. etal. Analysisof immune signatures in longitudinal tumor samples yields insight intobiomarkers of response and mechanisms of resistance to immune checkpointblockade. CancerDiscov. 6,827–837 (2016)
这种对响应与无响应实验对象根据不同的时间节点进行活检获取实时样本，并使用网络生物学方法来绘制分子与免疫检查点抑制剂有效的肿瘤退缩有关的网络的策略即重要的“捕获蝴蝶”的策略。 这种策略能够帮助我们动态追踪chaotic system的实时状态，捕捉接近tipping point的肿瘤微环境信息。
网络理论(Network theory) 将复杂系统表示为图形，其中关键因素被表示为节点node及其关系作为链接（边缘）来分析结构，并通过推断这些复杂系统的行为；这种研究方法已经被广泛应用于复杂疾病的研究，尤其是针对疾病前状态与疾病状态的critical transition的关键因素，有趣的是，这种分析方法曾经被用来研究为什么针对犯罪网络的打击不够有效；
Sheetal R. Modi et al.Functional characterization of bacterial sRNAsusing a network biology approach PNAS 2011;108:15522-15527；
Nature 463,318-325 (21 January 2010)
ScientificReports 4,Article number: 4238 (2014)
这个图示（上图）说明了我们用于识别免疫检查点抑制剂生物标志物的方法。a | 来自近交系小鼠的对CTLA-4表现出不同的肿瘤应答反应 b | 对responder和non responder进行转录分析，并且与治疗前的样本进行比较 c | 网络分析用于识别差异激活的co-expression
subnetworks 和与肿瘤反应有关的Hubs。 d | 模拟与肿瘤反应相关的network表型的药物（免疫微环境调节药物）能够提高小鼠对CTLA-4特异性抗体的肿瘤应答
（下图）Lesterhuis, W. J. et al. Network analysis of immunotherapy-induced regressing tumours identifies novel synergistic drug combinations. Sci. Rep. 5, 12298 (2015）
图|对免疫检查点抑制剂可能反应的崎岖景观：肿瘤应答遵循哪些途径？
每个彩色球代表治疗开始时组织中的网络。
治疗结束后，有一段时间内达到tipping point , 有效应答的患者的肿瘤微环境状态达到接近正常组织的状态。这里列举了一些假想的肿瘤响应路径。
病人1是原发耐药（intrinsically resistant），反应永远不会启动。组织将保持其癌变状态（这种肿瘤响应景观只针对某种特定的治疗，不同治疗景观不同）。
患者2具有启动应答的适当先决条件。治疗是否成功还取决于很多“沿途”的事件
患者3中，组织网络非常接近临界点tipping point;一个小的免疫检查点抑制引起的网络变化可能导致critical transition。此外，在可能的临界点上没有障碍防止过渡发生;但是即使是最好的起始情况（其中存在高的新抗原负荷，广泛的T细胞受体，炎症性的肿瘤微环境和年轻的病人，就像是在Lynch综合征相关结肠直肠癌中见到），反应率为仍然不接近100％。意味着，即使是这样，也存在对免疫治疗两分法的应答（responding vs no responding）。这是复杂系统的高度可变性。
病人4类似病人2，除了某一点的反应路线与病人3最后殊途同归.这个例子用来强调处在不同的起始状态的患者仍然可以对免疫治疗表现出相似的反应模式。我们并不知道对于有肿瘤应答的病人存在多大的异质性，在接近临界点的时间节点是否存在不同的工作机制？
作者的话：
目前这种识别动态免疫治疗标记物的方法学仍然在“婴儿期”，鲜有成熟的数据报道；
但这种研究策略将为我们研究肿瘤对免疫治疗的应答提供价值巨大的信息；
再次活检在real world实施困难重重，但鉴于目前四海八荒都在进行的免疫治疗临床研究，我们应该更多的获取标本来进行network biology 研究，以找到免疫成功的“本质”，我们的蝴蝶
联系客服
