量化定义的树皮B细胞聚合物与不可切除的黑色素瘤中检查点抑制剂的反应有关

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 计算生物学 计算生物学

背景情况:

• 多重体免疫光学 (mIF) 提供了关于瘤微环境的详细空间和表型见解.
• 分析复杂的mIF数据需要自动化管道来有效地发现生物标志物.
• 免疫检查点抑制剂 (ICI) 已经彻底改变了癌症治疗,需要预测生物标志物.

研究的目的:

• 调查mIF在黑色素瘤中识别免疫治疗生物标志物的实用性.
• 开发和验证MIF数据的自动化分析方法.
• 探索免疫细胞种群与ICI临床反应之间的关系.

主要方法:

• 在接受ICI的50名患者的治疗前黑色素瘤样本上利用多重免疫光学.
• 应用DBSCAN,一种机器学习算法,用于自动检测B细胞聚合物.
• 分析了T细胞亚群 (TCF1+,LAG3-) 和 stromal B细胞之间的空间关系.

主要成果:

• 较高比例的 stromal B 细胞与 ICI 治疗的改善临床益处相关.
• 自动DBSCAN检测B细胞聚合物的结果显示,比手动病理学家评估的准确性更高.
• 发现TCF1+和LAG3-T细胞亚群在树皮B细胞附近被丰富.

结论:

• 多重体免疫光是一种有价值的工具,用于发现黑色素瘤中的空间免疫疗法生物标志物.
• 使用机器学习对mIF数据的自动分析可以提高生物标志物发现的准确性.
• 流体B细胞和相关的T细胞亚群代表ICI治疗反应的潜在预测生物标志物.