高维的免疫特征和机器学习可以预测急性髓性白血病复发在移植后的早期
Samantha M Short1, Mildred D Perez1, Alexis E Morse1
1Department of Microbiology and Immunology, Wake Forest University School of Medicine, Winston-Salem, NC.
Journal of immunology (Baltimore, Md. : 1950)
|October 7, 2024
概括
在T细胞的早期免疫变化可以预测血造干细胞移植 (HSCT) 后急性髓性白血病 (AML) 复发. 机器学习识别了这些信号,使得AML复发的早期检测成为可能.
科学领域:
- 免疫学 免疫学 免疫学
- 血液学 血液学 血液学
- 计算生物学 计算生物学
背景情况:
- 急性髓性白血病 (AML) 复发后血造细胞干细胞移植 (HSCT) 显著影响患者的结果.
- 识别AML复发的早期免疫标志物对于及时干预至关重要.
研究的目的:
- 为了识别与HSCT后AML复发相关的早期免疫特征.
- 使用免疫分析来开发AML复发的预测模型.
主要方法:
- 通过使用高维流细胞测量对58名AML患者的外周血液单核细胞 (PBMC) 进行分析.
- 统一多重近似和投影 (UMAP) 和图集群用于T细胞子集分析的应用.
- 开发一个监督机器学习算法 (XGBoost与ADASYN),用于复发预测.
主要成果:
- 在一年内复发的患者中,观察到CD4+和CD8+T细胞种群的明显变化.
- 在复发患者中,增加了IL-2,IL-10和IL-17产生CD4+T细胞和降低了CD8+T细胞功能.
- 一个机器学习模型在HSCT后30天内预测AML复发的准确率达到90%.
结论:
- 特定的免疫学特征可以预测HSCT后AML复发的早期情况.
- 机器学习模型可以利用免疫表型数据进行准确的复发预测.
- 这些发现为预防AML复发提供了潜在的预防策略.


