Anti-PD-L1 Treatment Results in Functional Remodeling of the Macrophage Compartment

authors

Xiong et al.

journal

Cancer Research

year

2019

doi

10.1158/0008-5472.CAN-18-3208

category

clinical-oncology

pdf

PDF

source

Source

업데이트

2026-07-31

요약

본 연구는 anti-PD-L1 (aPDL1) checkpoint inhibitor가 종양 미세환경(TME) 내 macrophage compartment의 phenotype과 function을 어떻게 재편성하는지 규명하였다. aPDL1 치료는 IFNγ signaling 증가를 매개로 tumor monocytes와 macrophages를 suppressive 상태에서 proinflammatory, immunostimulatory 상태로 polarization시킴을 확인하였다. 이 과정은 ARG1 발현 감소 및 iNOS, MHCII, CD40 발현 증가로 특징지어지며, 결과적으로 granzyme-B 발현 CD8 T cells의 증가와 CD8/Treg ratio 향상을 통해 T-cell 반응을 강화한다. 특히 high macrophage burden을 가진 종양 모델에서는 aPDL1 단독 치료보다 macrophage reprogramming과 depletion을 병용할 때 치료 반응이 극대화됨을 제시하였다.

방법

Study design은 syngeneic tumor mouse model을 이용한 in vivo 전임상 연구이다. 대상 동물은 8~10주령 여성 C57BL/6 또는 Balb/c 마우스이며, MC38(colon adenocarcinoma), EMT6 및 JC(mammary carcinoma) cell lines를 이식하여 종양을 유도하였다. 중재는 anti-PD-L1 antibody (clone 6E11; 1차 10 mg/kg i.v., 이후 5 mg/kg i.p. 주 2회, 총 3주)이며, comparator로는 isotype control (gp120)이 사용되었다. 추가적으로 IFNγ signaling의 역할을 규명하기 위해 anti-IFNγ antibody 투여군, macrophage modulation을 위한 anti-CD40 (FGK45) 및 anti-CSF1R (2G2) 병용군, 그리고 adoptive monocyte transfer와 mixed bone marrow chimeras (IFNγR-deficient donor) 기법을 활용하였다. Endpoint 및 profiling 방법은 flow cytometry를 통한 macrophage phenotype marker(ARG1, iNOS, MHCII, CD40, CD86, Ly6C, F4/80), granzyme-B+ CD8 T cells 비율, CD8/Treg ratio 분석, 그리고 whole-transcriptome profiling을 통한 monocyte/macrophage 분자적 극화 상태 평가였다.

통계 분석은 Prism 6.0을 사용하여 수행되었으며, 군 간 비교는 Mann-Whitney test, 동일 군 내 세포 하위 집합 비교는 paired t-test를 사용하였다. 상관관계 분석에는 two-tailed nonparametric Spearman correlation analysis가 적용되었다. RNA sequencing 데이터의 차등 발현 유전자 식별은 DESeq2로 정규화 후 limma 패키지를 통해 수행되었으며, Gene Set Enrichment Analysis (GSEA)는 MSigDB collections c2, c5, c7을 사용하여 camera 알고리즘으로 분석하고 FDR cutoff 0.01로 필터링하였다.

주요 결과

aPDL1 처리는 MC38 종양 성장 지연과 10% complete responses (CR)를 유도하였으며, 치료 시작 7일 후 TAMs에서 ARG1 발현이 감소하고 iNOS, MHCII, CD40 발현이 증가하는 proinflammatory phenotype으로의 전환을 확인하였다. Whole-transcriptome profiling은 antigen presentation machinery, IFNγ downstream signaling, proinflammatory signaling, chemokine expression, TLR/NFkB pathway가 upregulated 되며, collagen-related gene sets가 downregulated 됨을 보여주었다. Adoptive monocyte transfer 실험에서 aPDL1 처리된 종양 마우스로 이식된 monocytes는 proinflammatory macrophage로 분화하였으며, 대조군 대비 granzyme-B 발현 CD8 T cells가 증가하고 CD8/Treg ratio가 상승하였다. IFNγ neutralizing antibody 투여 시 이러한 remodeling이 억제됨을 통해 IFNγ signaling의 핵심 역할을 입증하였다.

Responsive 종양 모델에서는 aPDL1이 macrophage compartment를 유리하게 재편하였으나, high macrophage burden 종양(EMT6)에서는 aPDL1 반응 극대화를 위해 macrophage reprogramming (anti-CD40 병용)과 depletion (anti-CSF1R 병용)이 모두 필요하였다. 특히 anti-CSF1R 단독 투여는 종양 성장을 지연시키지 못했으나, aPDL1과 병용 시 치료 효과가 유의하게 향상되었다.

통계 분석

분석 설계 — 이 연구는 anti-PD-L1 (aPDL1) 치료가 종양 미세환경 내 대식세포(Macrophage)의 표현형과 기능을 어떻게 재구성(Remodeling)하는지, 그리고 이러한 변화가 CD8 T 세포 반응에 미치는 영향을 규명하기 위해 수행되었다. 연구 설계는 C57BL/6 및 Balb/c 마우스를 이용한 동종이식 종양 모델(Syngeneic tumor models; MC38, EMT6, JC)을 기반으로 하며, aPDL1 또는 Isotype control 항체를 투여한 후 종양 부피와 면역 세포 구성 변화를 추적 관찰했다. Primary endpoint는 대식세포의 M2-like(억제성)에서 M1-like(염증성/면역자극성)로의 극성화(Polarization) 정도 및 CD8 T 세포의 활성화 지표(GZMB 발현, CD8/Treg 비율)였다. 표본 수는 각 실험 군당 마우스 수로 구성되었으며, RNA 시퀀싱(RNA-seq)을 통해 전사체 수준의 변화를 확인하기 위해 MC38 종양에서 분리된 대식세포와 단핵세포(Monocyte)를 분석 대상으로 삼았다.

무엇을 위해 어떤 분석을 썼는가 — 군 간 비교(종양 모델, 시간점, 치료군)의 유의성을 평가하기 위해 비모수 검정인 Mann-Whitney test를 사용했다. 이는 데이터가 정규분포를 따르지 않을 가능성이 높거나 표본 수가 작을 때 적용되는稳健한 방법이다. 반면, 동일 군 내에서의 세포 하위 집합(Cell subset) 비교는 paired t-test를 사용하여 수행했으며, 이는 동일한 생물학적 샘플 내의 변화나 짝지어진 데이터를 비교하기 위함이다. 변수 간 상관관계(예: 대식세포 표지자 발현량과 CD8 T 세포 밀도/활성화 간의 관계)를 분석하기 위해 두 꼬리 비모수 Spearman correlation analysis를 적용했다. 전사체 데이터(RNA-seq)의 차등 발현 유전자를 식별하기 위해 R/Bioconductor 패키지인 DESeq2로 정규화(Normalization)한 후, limma 패키지를 사용하여 aPDL1 처리군과 대조군 간의 차등 발현을 분석했다. 또한, 생물학적 경로와 기능적 변화의 의미를 해석하기 위해 MSigDB 컬렉션(c2, c5, c7)을 기반으로 GSEA(Gene Set Enrichment Analysis)를 수행했으며, 이때 camera 알고리즘이 구현된 multiGSEA R 패키지를 사용했다. 모든 통계 분석은 Prism 6.0 (GraphPad) 소프트웨어로 처리되었다.

방법론 평가 — 잘 된 점으로는 RNA-seq 데이터 해석 시 FDR(False Discovery Rate) cutoff 0.01을 적용하여 다중 검정(Multiple testing) 오류를 통제했다는 것과, GSEA를 통해 개별 유전자 발현뿐만 아니라 경로 수준의 변화를 포괄적으로 평가한 점이 있다. 또한, Spearman 상관관계 분석을 통해 대식세포 표현형과 T 세포 기능 간의 연관성을 정량화하여 인과적 메커니즘의 단서를 제공했다. 그러나 의심스러운 점이나 보완이 필요한 부분은 다음과 같다. 첫째, RNA-seq 데이터 검증 시 "Uncorrected P values were presented"라고 명시되어 있어, 차등 발현 유전자 목록의 신뢰도에 대해 다중 검정 보정이 충분히 이루어졌는지 명확하지 않다(DESeq2 자체는 FDR을 계산하지만, 결과 보고 단계에서 uncorrected p-value를 강조한 점은 주의가 필요하다). 둘째, 표본 수(N)에 대한 구체적인 언급이 원문 본문에 명시되지 않아, Mann-Whitney test나 t-test의 검정력(Power)을 평가하기 어렵다. 셋째, paired t-test 사용 시 짝지어진 데이터의 정의(예: 동일 마우스 내 전후 비교인지, 기술적 반복인지)가 명확히 서술되지 않았다. 마지막으로, 모델 가정(Model assumption) 검증(예: t-test의 정규성, 등분산성)이나 결측치 처리(Missing data handling)에 대한 설명이 원문에 명시되지 않음.

설계에 참고할 점 — 유사한 연구를 설계할 때는 RNA-seq 데이터 분석 시 DESeq2나 limma와 같은 도구를 활용하되, FDR 보정된 p-value를 주요 결과로 보고하고 uncorrected p-value는 보조적으로만 제시하는 것이 엄밀하다. 또한, 비모수 검정(Mann-Whitney)과 모수 검정(t-test)을 혼용할 경우, 데이터의 분포 특성과 짝지어진 구조(Paired vs Unpaired)를 명확히 정의하고 표본 수(N)를 충분히 확보하여 검정력을 보장해야 한다. 마지막으로, 상관관계 분석(Spearman correlation) 결과를 인과관계로 해석하기보다는 가설 생성 단계로 활용하며, 기능적 검증(예: Adoptive transfer, Knockout mouse 사용)을 통해 메커니즘을 입증하는 접근법을 본 연구에서 효과적으로 벤치마킹할 수 있다.

강점

본 연구는 checkpoint inhibitor의 작용 기전을 T-cell 재활성화뿐만 아니라 myeloid compartment, 특히 macrophage의 functional remodeling 관점에서 규명했다는 점에서 의의가 있다. Syngeneic mouse model을 통해 in vivo 환경에서의 dynamic changes를 관찰하였으며, flow cytometry와 whole-transcriptome profiling을 결합하여 phenotype과 gene expression level 모두에서 일관된 결과를 도출하였다. 또한, IFNγ signaling의 역할을 blocking antibody와 knockout chimera 모델을 통해 인과관계를 명확히 입증하였다. 마지막으로, tumor immune contexture에 따른 differential response를 제시하며, high macrophage burden 종양에서의 combination therapy 전략을 제안하여 임상적 함의를 확장시켰다.

한계

본 연구는 전적으로 murine syngeneic models (MC38, EMT6, JC)에서 수행되었으므로, human cancer patients에서의 직접적인 적용 가능성은 검증되지 않았다. 또한, macrophage depletion에 사용된 anti-CSF1R antibody의 장기적 안전성 및 off-target effects는 평가되지 않았다. IFNγ signaling이 macrophage remodeling의 유일한 driver인지 다른 cytokines나 metabolic factors와의 상호작용은 충분히 탐구되지 않았다. 마지막으로, high macrophage burden 종양에서의 combination therapy 효과는 제한된 모델에서만 확인되었으며, 다양한 cancer types에서의 generalizability는 추가 연구가 필요하다.

해석

본 결과는 anti-PD-L1 치료가 T-cell 재활성화 외에도 TAMs의 phenotype을 proinflammatory 방향으로 전환시켜 면역 반응을 강화함을 보여준다. 이는 checkpoint inhibitor의 efficacy를 결정하는 중요한 factor로 macrophage compartment의 상태를 고려해야 함을 시사한다. 특히, high macrophage burden 종양에서는 macrophage reprogramming과 depletion을 병용한 combination therapy가 필요할 수 있으며, 이는 향후 clinical trial 설계에 중요한 insight를 제공한다. 본 연구는 oncology와 immunology 분야에서 checkpoint inhibitor의 작용 기전을 더 포괄적으로 이해하는 데 기여하며, 특히 macrophage-targeting strategies와의 시너지 효과를 탐구하는 후속 연구들의 기초가 될 것이다.