机器学习用于识别胃肠癌中的新抗原反应性CD8 + T细胞,使用单细胞测序
Hongwei Sun1, Xiao Han2, Zhengliang Du1
1Key Laboratory of Laboratory Medicine, Ministry of Education, School of Laboratory Medicine and Life Sciences, Wenzhou Medical University, The First Affiliated Hospital of Wenzhou Medical University, Wenzhou, China.
British journal of cancer
|June 7, 2024
概括
一种新的机器学习模型快速识别胃肠癌中新抗原反应性CD8+ T (Neo T) 细胞,加速T细胞疗法的开发并改善患者的治疗结果.
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:
- 瘤透的新抗原反应性CD8+ T (Neo T) 细胞是胃肠道癌症中抗癌免疫的关键驱动力.
- 目前用于识别新型T细胞及其T细胞受体 (TCR) 的方法复杂且耗时.
研究的目的:
- 开发一种快速有效的方法来识别新抗原反应性T细胞.
- 为了使Neo T细胞用于癌症免疫治疗的工程.
主要方法:
- 使用瘤透淋巴细胞的单细胞转录组开发了一个26基因机器学习模型.
- 该模型通过分析基因表达模式来识别新抗原反应性T细胞.
主要成果:
- 该模型在培训和验证数据集中都显示出高性能.
- 新型T细胞表现出明显的生物过程,特别是在胺相关的信号通路中.
- 新型T细胞表达像LTA这样的信号分子,可能通过瘤微环境中的相互作用来调解抗瘤效应.
- 在接受新辅助免疫治疗的患者中,Neo T细胞的更高比例与改善的临床益处和整体存活率相关.
结论:
- 开发的机器学习模型显著加快了新抗原反应型TCRs的识别.
- 这一进步促进了新型T细胞的工程,用于癌症治疗中的治疗应用.
