通过综合生物信息学分析,优先考虑与NSCLC患者免疫治疗结果相关的肠道微生物SNP
Muhammad Faheem Raziq1,2, Nadeem Khan2, Haseeb Manzoor2
1Department of Infectious Disease, Children'S Hospital, Zhejiang University School of Medicine, 3333 Binsheng Road, Binjiang District, 310052, Hangzhou, China.
Journal of translational medicine
|March 18, 2025
概括
肠道微生物组的变化会影响非小细胞肺癌 (NSCLC) 患者对免疫检查点抑制剂 (ICI) 的反应. 特定的微生物基因和单核酸多态 (SNP) 预测治疗结果,从而实现个性化免疫疗法策略.
科学领域:
- 微生物组研究 微生物组研究
- 癌症免疫学 癌症免疫学
- 生物信息学是一种生物信息学.
背景情况:
- 人的肠道微生物群影响各种癌症的治疗疗效,包括非小细胞肺癌 (NSCLC).
- 免疫检查点抑制剂 (ICI) 是NSCLC的关键疗法,但患者的反应有很大的差异.
- 了解肠道微生物组成在ICI反应中的作用对于优化癌症治疗至关重要.
研究的目的:
- 研究接受ICI治疗的NSCLC患者的肠道微生物变异与治疗反应之间的关联.
- 识别与患者反应或不反应相关的特定微生物菌株,基因和遗传变异 (SNP).
- 根据肠道微生物组数据开发治疗反应的预测模型.
主要方法:
- 从87名NSCLC患者的肠道转基因组分析,这些患者在多个时间点接受了尼沃卢马布治疗.
- 使用StrainPhlAn3进行菌株识别,然后通过Snippy.com进行变异调用和注释.
- 使用MaAsLin2进行关联分析,开发用于SNP优先级的机器学习模型,以及用于功能影响评估的结构生物信息学.
主要成果:
- 在响应者与非响应者中确定了不同的微生物菌株 (例如,Lachnospira eligens,Parabacteroides distasonis).
- 像ftsA,lpdA和nadB这样的基因变异与非响应显著相关.
- 一个物流回归模型实现了基于lpdA和obgE中的SNP预测响应的>90%准确性,结构分析表明蛋白质功能受损.
结论:
- 超基因组学,机器学习和结构生物信息学的整合为了解微生物组与治疗反应的关联提供了一个强大的框架.
- 已识别的微生物变异和SNP可以作为预测NSCLC患者ICI治疗结果的潜在生物标志物.
- 这些发现支持开发个性化,以微生物群为指导的治疗策略,以提高免疫疗法的疗效.
