Aprovechamiento de las Firmas Genéticas Relacionadas con la Anoikis para la Precisión de la Inmunoterapia: Un Modelo...

Área de la Ciencia:

• Oncología
• Inmunología
• Genética

Sus antecedentes:

• La inmunoterapia contra el cáncer, en particular los inhibidores de puntos de control inmunitarios (ICIs), muestra respuestas variables en los pacientes.
• Los genes relacionados con la anoikis (ARGs) desempeñan un papel en la progresión del cáncer y pueden influir en las respuestas inmunitarias.

Objetivo del estudio:

• Investigar la asociación entre los ARGs y la eficacia de la inmunoterapia.
• Desarrollar un modelo de aprendizaje automático para predecir la respuesta a la inmunoterapia utilizando ARGs.

Principales métodos:

• Se integraron datos de secuenciación de ARN de célula única y multiómicos para identificar ARGs.
• Se desarrollaron y validaron modelos de aprendizaje automático (incluido SVM) para predecir la respuesta.
• Se utilizó el cribado CRISPR para identificar ARGs resistentes a la inmunidad y se realizó un análisis pronóstico pan-cáncer.

Principales resultados:

• Se identificó una asociación significativa entre las firmas de genes relacionadas con la anoikis (Anoikis.Sig) y la respuesta a la inmunoterapia.
• El modelo basado en SVM demostró un rendimiento predictivo superior (AUC=0.782) en los conjuntos de datos de validación.
• Se identificaron ARGs clave resistentes a la inmunidad (por ejemplo, BCL2L1, ITGAV, PTK2), y una firma de 11 genes mostró un fuerte valor pronóstico, especialmente en el carcinoma hepatocelular (CHC).

Conclusiones:

• Los ARGs son cruciales en la modulación del microambiente tumoral-inmunitario y sirven como biomarcadores eficaces para la eficacia de la ICI.
• El modelo de aprendizaje automático desarrollado ayuda en la estratificación de pacientes y la terapia personalizada.
• La focalización de los ARGs presenta una nueva estrategia prometedora para mejorar los resultados de la inmunoterapia.