相关实验视频
Updated: Jul 10, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.0K
scCURE识别了对免疫疗法有反应的细胞类型,并使得预测结果成为可能
Xin Zou1, Yujun Liu2, Miaochen Wang3
1Center for Tumor Diagnosis & Therapy, Jinshan Hospital, Fudan University, Shanghai 201508, China; Department of Pathology, Jinshan Hospital, Fudan University, Shanghai 201508, China.
Cell reports methods
|November 21, 2023
概括
我们开发了scCURE来识别对癌症免疫治疗有反应的细胞. 这种方法有助于通过分析瘤微环境中的细胞概况来预测治疗的有效性.
科学领域:
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 了解癌症免疫治疗反应和耐药性对于有效治疗至关重要.
- 治疗反应的可靠预测是指导临床决策所需的.
研究的目的:
- 开发一种新型的计算方法,scCURE (基于单细胞RNA测序数据的免疫治疗期间的变化和不变化的细胞识别),用于分析免疫治疗反应.
- 识别细胞群及其基线概况,从而预测免疫疗法结果.
- 探索免疫疗法相关的细胞-细胞异质性,用于机制研究和预测模型.
主要方法:
- 利用了高斯混合模型,库尔巴克-莱布勒 (KL) 分歧和相互最接近邻居标准.
- 将scCURE应用于来自黑色素瘤和乳腺癌免疫治疗研究的单细胞RNA测序 (scRNA-seq) 数据.
- 在免疫治疗受影响和未受影响的细胞之间进行区分.
主要成果:
- scCURE成功地根据它们对免疫治疗的反应确定了不同的细胞群.
- 通过scCURE识别的特定CD8+ T和巨细胞的基线概况被发现可以预测瘤微环境免疫细胞反应.
- 这些细胞形状与免疫疗法治疗反应相关,表明潜在的预测因素.
结论:
- scCURE提供了一种可靠的方法,用于使用scRNA-seq数据分析细胞对免疫疗法的反应.
- 在瘤微环境中的特定基线免疫细胞概况可以预测免疫治疗的疗效.
- 鉴定的细胞-细胞异质性为免疫疗法机制提供了洞察力,可以用于治疗反应预测模型.
