相关实验视频
Updated: Jul 1, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.0K
一个人工智能辅助的集成,可扩展的单细胞现象转录基因平台,以阐明内异质性对免疫反应的作用
Christopher P Tostado1,2, Lucas Xian Da Ong2, Joel Jia Wei Heng1
1Genome Institute of Singapore, Laboratory of Precision Oncology and Cancer Evolution Singapore Singapore.
Bioengineering & translational medicine
|March 4, 2024
概括
这项研究引入了一种结合细胞行为和基因活动数据的新方法,以了解为什么抗瘤免疫反应有所不同. 它发现抵抗自然杀手 (NK) 细胞杀伤与MHC I类有关,而细胞粘附分子表明敏感性.
科学领域:
- 免疫学 免疫学 免疫学
- 癌症生物学 癌症生物学
- 生物信息学是一种生物信息学.
背景情况:
- 抗瘤免疫反应的异质性在癌症治疗中构成了重大挑战.
- 了解驱动对免疫媒介杀戮的差异反应的分子机制,对于开发有效的治疗方法至关重要.
研究的目的:
- 开发和验证一个新的框架,整合单细胞表型和转录组数据,以剖析抗瘤免疫反应的异质性.
- 确定与免疫逃避和敏感性相关的关键分子因素和机制,以自然杀手 (NK) 细胞介导的细胞毒性在头部和部状细胞癌 (HNSCC).
主要方法:
- 开发一个微流体平台,对NK-92MI细胞和患者衍生的HNSCC细胞系之间进行配对,分离的相互作用测定.
- 创建一个深度学习计算机视觉算法,以自动化分析超过100万个活细胞成像数据点的瘤-免疫相互作用.
- 将NK介导杀死数据的卡普兰-梅尔生存分析与下游单细胞转录组分析集成,以识别分子签名.
主要成果:
- 识别MHC I类驱动的细胞毒性耐药性作为不响应HNSCC细胞中免疫逃避的主要机制.
- 细胞粘附分子增强表达与对NK介导细胞毒性的敏感性增加的相关性.
- 证明该框架能够有效地识别免疫逃避和反应的机制.
结论:
- 综合的表型和转录基因方法提供了一个强大的,数据驱动的战略,用于快速剖析癌症中复杂的免疫反应.
- 这一框架有助于确定新的治疗点和策略,以克服免疫逃避并增强抗瘤免疫力.
