通过组合生物标志物方法优化T细胞炎症特征,用于预测NSCLC中免疫治疗反应

科学领域:

• 免疫学 免疫学 免疫学
• 在瘤学瘤学.
• 基因组学就是基因组学.

背景情况:

• 抗PD-1/PD-L1疗法为高级非小细胞肺癌 (NSCLC) 提供了革命性的治疗方法.
• 对这些疗法的响应率很低,这凸显了对预测生物标志物的需求.
• 以前建立的T细胞炎症基因表达特征 (GEP) 无法预测大型NSCLC队列中的抗PD-1反应.

研究的目的:

• 开发和验证用于NSCLC的抗PD-1/PD-L1治疗的新型预测生物标志物.
• 研究骨髓状细胞和树突细胞基因特征在预测治疗反应中的作用.
• 探索对影响免疫疗法疗效的免疫变化的机制性见解.

主要方法:

• 重新分析了Stand Up To Cancer-Mark (SU2C-MARK) 基金会NSCLC队列的研究结果.
• 使用机器学习开发一种组合生物标志物,将T细胞炎症的GEP与免疫改变的签名集成在一起.
• 在六个独立的癌症队列中,用抗PD-1疗法治疗的联合生物标志物的验证.

主要成果:

• 单独T细胞炎症的GEP对NSCLC没有预测作用.
• 将T细胞炎症的GEP与髓质细胞基因特征结合起来,显著改善了预测性能.
• 新型组合生物标志物在NSCLC和胃癌队列中表现出增强的预测能力,但在黑色素瘤队列中没有.

结论:

• 结合T细胞炎症的GEP和免疫改变的特征的组合生物标记方法显示,它有望预测NSCLC中抗PD-1/PD-L1反应.
• 这些新型生物标志物为NSCLC免疫治疗提供了改善的患者分层.
• 该研究提供了对影响免疫疗法疗效的免疫变化的机制性见解.