基于机器学习的整合开发了一个代谢衍生的共识模型,用于改善胰腺癌免疫疗法
Yongdong Guo1, Ronglin Wang1, Jingjie Shi1
1Department of Oncology, Tangdu Hospital, Air Force Medical University, Xi'an, Shaanxi, China.
Journal for immunotherapy of cancer
|September 22, 2023
概括
胰腺癌 (PAC) 免疫疗法反应可以通过一种新的与代谢相关的特征 (MBS) 来预测. 这种与免疫抵抗和癌症干结相关的特征,为预后和个性化治疗策略提供了强大的生物标志物.
科学领域:
- 在瘤学瘤学.
- 代谢途径 代谢途径
- 免疫治疗是一种免疫疗法.
背景情况:
- 胰腺癌 (PAC) 是高度恶性的,免疫疗法显示有前途.
- PAC代谢重编程影响瘤微环境 (TME) 和免疫治疗结果.
- PAC的代谢情景及其TME关联是未充分探索的.
研究的目的:
- 为了描述PAC的代谢格局.
- 开发一种新的与代谢相关的签名 (MBS),用于预测免疫治疗结果.
- 验证MBS作为预后的生物标志物,并确定潜在的治疗点.
主要方法:
- 在1,188名PAC患者中分析了112个代谢途径,以构建MBS.
- 在11个免疫疗法队列 (散装RNA和单细胞) 中评估了MBS预测性能.
- 通过免疫组织化学,西部涂抹,殖民地形成试验和内部队列验证的结果.
主要成果:
- MBS与抗瘤免疫力有负相关性,与癌症干和免疫抵抗力有正相关性.
- 在预测多个队伍的免疫治疗反应方面,MBS的表现优于现有的签名.
- MBS作为一个强大的预后生物标志物,并确定了达沙替尼和epothilone B作为潜在的治疗方法.
结论:
- MBS提供了关于PAC免疫疗法耐药性机制的见解.
- MBS是一种可靠的以代谢为基础的指标,用于预测PAC中的免疫治疗反应和预后.
- 这些发现支持个性化治疗策略,考虑代谢途径和TME免疫透.
