通过使用QSP模型,通过T细胞参与者识别用于治疗毛膜黑色素瘤的生物标志物
Samira Anbari1, Hanwen Wang2, Theinmozhi Arulraj2
1Department of Biomedical Engineering, Johns Hopkins University School of Medicine, Baltimore, MD, USA. samira.anbari91@gmail.com.
NPJ systems biology and applications
|September 30, 2024
概括
量化系统药理 (QSP) 建模确定了关键生物标志物,以预测皮膜黑色素瘤 (UM) 治疗反应. 将治疗早期的生物标志物与治疗前的生物标志物相结合,可以提高预测能力,以便更好地选择患者.
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:
- 卵巢黑色素瘤 (UM) 是一种罕见但具有高转移潜力的侵袭性眼癌.
- 由于瘤突变负担较低,UM对免疫检查点抑制 (ICI) 的反应不佳.
- 双特异性T细胞参与剂 (TCE) Tebentafusp在转移性UM中表现出适度的疗效.
研究的目的:
- 为了提高T细胞参与剂 (TCEs) 在皮膜黑色素瘤 (UM) 治疗中的疗效.
- 开发一个定量系统药理学 (QSP) 模型来识别预测生物标志物.
- 改善患者对临床试验和治疗的选择.
主要方法:
- 将TCE模块集成到现有的QSP模型中.
- 利用了用tebentafusp.usp治疗的UM患者的临床数据.
- 使用各种分析方法识别和排名了30种预测生物标志物.
主要成果:
- 确定了关键生物标志物,包括CD8+ T细胞密度,瘤中的CD8+/Treg比率,以及血液中原始CD4+密度.
- 发现单个预处理生物标志物的预测能力有限.
- 通过结合早期治疗生物标志物和生物标志物组合,证明了更好的预测.
结论:
- 开发的QSP模型可以促进以生物标志物为指导的患者选择UM.
- 加强患者分层可以提高临床试验的效率.
- 优化患者选择有可能改善UM的治疗结果.
