个性化免疫疗法患者:通过单细胞RNA-seq定义与人工智能

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 免疫疗法,包括免疫细胞疗法和向疗法,显示出不同的疗效.
• 瘤透淋巴细胞 (TIL) 是一种异质的免疫细胞群.
• 为个别患者选择最佳的免疫疗法仍然是一个临床挑战.

研究的目的:

• 开发一种机器学习模型,用于个性化免疫疗法选择.
• 将单细胞RNA测序 (scRNA-seq) 数据与人工智能 (AI) 集成,以优化治疗.
• 为了提高免疫疗法的疗效,减少不良影响,降低临床成本.

主要方法:

• 利用了TILs的历史和最近的单细胞RNA测序 (scRNA-seq) 数据.
• 开发了一种机器学习模型 (AI估计系统) 来分析scRNA-seq.q.的基因组变异.
• 该模型评估了13种免疫细胞疗法和向疗法,包括PD1,PDL1,CTLA4抑制剂和临床试验候选者 (TIL,CAR T细胞,TCR T细胞).

主要成果:

• 人工智能系统有效地从scRNA-seq数据中估计基因组变异.
• 这种人工智能增强的方法与基于微阵列或单独细胞治疗的先前模型相比显示出更高的性能.
• 该系统涵盖了广泛的免疫疗法,从FDA批准的药物到各种临床试验阶段.

结论:

• 单细胞RNA测序与人工智能估计系统相结合,为个性化免疫疗法提供了强大的工具.
• 这种方法可以显著提高治疗效率,并减少临床应用中的不良影响和成本.
• 开发的模型提供了一个数据驱动的策略,以应对临床免疫疗法的关键挑战.