作为生物标志物发展的参考,T细胞免疫评分利用了来自那些用免疫检查点抑制剂治疗高级恶性病症患者的真实世界数据
Islam Eljilany1, Payman Ghasemi Saghand2, James Chen3
1Departments of Cutaneous Oncology and Immunology, H. Lee Moffitt Cancer Center and Research Institute, Tampa, FL 33612, USA.
Cancers
|October 28, 2023
概括
这项研究表明,基于转录基因数据的T细胞密度的免疫评分可以预测用免疫检查点抑制剂 (ICI) 治疗的晚期癌症患者的生存率. 这一发现支持它作为开发新机器学习生物标志物的参考.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 评估预后生物标志物对于用免疫检查点抑制剂 (ICI) 治疗的晚期恶性瘤至关重要.
- 现实世界的转录基因数据为生物标志物发现提供了宝贵的资源.
- 开发可靠的生物标志物对于指导治疗决策和改善患者治疗结果至关重要.
研究的目的:
- 为了确定由CD3+和CD8+T细胞密度得出的免疫评分的预后值.
- 在接受ICI的晚期癌症患者中估计整体存活率 (OS).
- 为了验证未来基于机器学习的生物标志物开发的参考.
主要方法:
- 分析了522名患有晚期恶性瘤的患者的转录组数据.
- 使用CIBERSORTx计算免疫分数以估计CD3+和CD8+T细胞密度.
- 考克斯回归,卡普兰-梅尔曲线和哈雷尔对应指数被用于评估OS关联和预测.
主要成果:
- 基于转录组学的免疫评分显著预测了患者死亡风险 (p < 0.001).
- 与免疫评分较低的患者相比,免疫评分中等至高的患者表现出更好的整体存活率 (OS).
- 在黑色素瘤和头癌中,预后值是显著的,但在NSCLC或RCC中没有.
结论:
- 从现实世界的转录基因数据计算的免疫评分是估计ICI患者的OS的有希望的签名.
- 这种转录性免疫评分可以作为开发先进机器学习生物标志物的宝贵参考.
- 进一步的研究可以完善这种方法,用于个性化癌症治疗.
