克塞纳TM TME面板是一种基于机器学习的转录生物标志物,旨在预测多种癌症的治疗反应

科学领域:

• 在瘤学瘤学.
• 生物标志物开发 生物标志物开发
• 计算生物学 计算生物学

背景情况:

• 目前的预测生物标志物通常集中在单个分析物上,限制了它们的临床实用性.
• 需要广泛的多疗法预测生物标志物.
• 瘤微环境 (TME) 在治疗反应中起着至关重要的作用.

研究的目的:

• 开发和验证一种基于全瘤RNA表达的新型生物标志物,即XernaTM TME面板.
• 预测患者对多种TME向疗法的反应,包括免疫疗法和抗血管原剂.
• 将瘤分为不同的TME亚型.

主要方法:

• 一个人工神经网络 (ANN) 算法从298名患者的固体瘤数据中对124个基因签名进行了训练.
• 该模型确定了四种TME亚型:血管性 (A),免疫活性 (IA),免疫沙漠 (ID) 和免疫抑制 (IS).
• 在四个独立的临床队列中评估了分类器的表现,包括胃,卵巢和黑色素瘤数据集.

主要成果:

• 根据血管新生和免疫轴,TME小组成功地区分了四种不同的树叶表型.
• 该分类器证明了跨多种治疗假设的临床益处的显著丰富 (1.6至7倍).
• 该小组在胃癌免疫治疗反应预测的特定指标中表现优于PD-L1和MSI-H生物标志物.

结论:

• 克塞纳TM TME 面板在各种数据集和治疗方式中表现出强的表现.
• 该生物标志物能够预测对多种TME向疗法的反应,这表明其具有广泛的临床实用性.
• 这些发现支持TME小组作为各种癌症类型的临床诊断工具的潜在使用.