相关实验视频
Updated: Jul 17, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.0K
一种主题建模方法揭示了癌症免疫治疗期间外围血液的动态T细胞组成
Xiyu Peng1, Jasme Lee1, Matthew Adamow2,3
1Department of Epidemiology and Biostatistics, Memorial Sloan Kettering Cancer Center, New York, NY 10065, USA.
Cell reports methods
|September 6, 2023
概括
TopicFlow使用隐性迪里克莱特分配 (LDA) 分析了黑色素瘤患者的T细胞种群. 这揭示了T细胞耗尽,与毒性相关的天真T细胞,以及在免疫检查点抑制剂 (ICI) 治疗期间T细胞激活.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 流细胞计对于分析免疫细胞种群至关重要.
- 了解T细胞动态是预测治疗反应和毒性的关键.
- 目前的方法可能无法完全捕捉T细胞的动态状态.
研究的目的:
- 介绍TopicFlow,一种用于分析高参数流细胞计数据的新型计算框架.
- 在接受免疫检查点抑制剂 (ICI) 治疗的黑色素瘤患者的T细胞群体中应用TopicFlow.
- 确定与治疗结果和不良事件相关的功能和动态T细胞主题.
主要方法:
- 开发TopicFlow,一个使用隐性狄里克莱特分配 (LDA) 的框架,这是从文本挖掘中获得的主题建模技术.
- TopicFlow的应用分析了51名黑色素瘤患者138个外周血液样本中的大约1700万个T细胞.
- 将流细胞计数据与LDA集成,以发现潜伏的T细胞状态.
主要成果:
- 使用LDA识别了三个不同的潜在动态T细胞主题.
- 一个T细胞耗尽主题与LAG-3+免疫型和ICI耐药性相关.
- 一个与免疫相关毒性相关的天真T细胞主题.
- 在ICI治疗期间观察到的T细胞激活主题.
结论:
- TopicFlow提供了一种强大的方法来挖掘复杂的流量细胞计数据.
- 确定的T细胞主题提供了对ICI治疗反应和毒性的机制的见解.
- 这一框架对于涉及高维细胞检测数据的免疫学研究具有广泛的适用性.
