虚拟患者分析确定了提高PD-1封锁预测生物标志物性能的策略
Theinmozhi Arulraj1, Hanwen Wang1, Atul Deshpande2,3,4
1Department of Biomedical Engineering, Johns Hopkins University School of Medicine, Baltimore, MD 21205.
概括
预测转移性三阴性乳腺癌 (TNBC) 中对PD-1 抑制剂的反应具有挑战性. 治疗早期的生物标志物,特别是基于血液的生物标志物,有望改善患者选择和治疗疗效.
科学领域:
- 在瘤学瘤学.
- 免疫治疗是一种免疫疗法.
- 计算生物学 计算生物学
背景情况:
- 转移性三阴性乳腺癌 (TNBC) 患者对PD-1抑制的反应不同.
- 目前在TNBC中用于PD-1治疗的预测生物标志物性能有限,阻碍了有效的患者选择.
- 定量系统药理 (QSP) 建模为探索生物标志物策略提供了一种新的方法.
研究的目的:
- 利用in silico TNBC患者队列来识别PD-1抑制的改善预测生物标志物.
- 评估各种潜在生物标志物候选者的性能.
主要方法:
- 使用QSP模型生成in silico转移性TNBC患者队列.
- 整合转录和临床数据以告知QSP模型.
- 评估了90个生物标志物候选者,使用基于切断的测试算法和机器学习功能选择.
主要成果:
- 与单个生物标志物相比,预处理生物标志物的组合提高了特异性,但降低了敏感性.
- 治疗早期的生物标志物,例如两周后瘤直径的相对变化,显示出更高的灵敏度和特异性.
- 基于血液的生物标志物在识别响应者方面显示出与基于瘤或淋巴结的生物标志物相似的疗效.
结论:
- 早期治疗和基于血液的生物标志物代表了改善TNBC免疫治疗患者选择的有希望的策略.
- 不那么侵入性,基于血液的生物标志物可以促进PD-1抑制剂更容易获得的患者分层.
