相关实验视频
Updated: Jun 29, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
生物标志物和计算模型用于预测瘤ICI免疫疗法的疗效
Yurong Qin1,2, Miaozhe Huo1,2, Xingwu Liu3
1Department of Computer Science, City University of Hong Kong, Kowloon, China.
Frontiers in immunology
|March 25, 2024
概括
预测生物标志物对于识别将受益于免疫检查点抑制剂 (ICI) 免疫治疗的患者至关重要. 本综述探讨了各种生物标志物和计算模型,以指导癌症治疗中的精密医学.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 免疫检查点抑制剂 (ICI) 免疫疗法在癌症治疗中表现有前途,但仅对一小部分患者有益.
- 确定可靠的预测生物标志物对于优化ICI治疗和减少过度治疗至关重要.
- 编程细胞死亡蛋白1 (PD-1) /编程细胞死亡配体1 (PD-L1) 和细胞毒性T-淋巴细胞抗原-4 (CTLA-4) 抑制剂是关键的免疫疗法.
研究的目的:
- 提供对ICI治疗预测生物标志物最新进展的全面审查.
- 探索生物标记物的各种来源,包括瘤细胞,瘤免疫微环境 (TIME),体液,肠道微生物和代谢物.
- 审查计算机模型,包括基于知识的机械学和机器学习 (ML) 模型,用于预测ICI治疗反应.
主要方法:
- 关于ICI治疗预测生物标志物的文献综述,重点关注PD-1/PD-L1和CTLA-4抑制剂.
- 生物标志物的分类基于它们的来源 (瘤细胞,时间等). 和类型 (例如,TMB,MSI,PD-L1表达,免疫谱).
- 对各种检测技术,数据集,强项,弱项和生物标志物评估指标的全面分析.
- 对基于知识的机械模型 (例如,PK/PD,QSP,ABM) 和ML模型 (例如,SVM,ANN,深度学习) 进行响应预测的审查.
主要成果:
- 从瘤细胞中确定了多种生物标志物 (TMB,TNB,MSI,PD-L1,基因突变,表观遗传学) 和 TIME (免疫景观,检查点,剧目).
- 讨论了来自其他来源的生物标志物,如体液,肠道微生物和代谢物.
- 详细介绍了各种计算模型,包括机械和ML方法,用于预测ICI响应,概述其数据,评估和限制.
结论:
- 准确的预测生物标志物和计算模型对于提高ICI治疗的疗效和临床效用至关重要.
- 本综述旨在指导研究人员为研究选择合适的生物标志物和模型.
- 这些发现将有助于临床医生为接受ICI治疗的癌症患者实施精准医学策略.
