循环细胞因子分析和聚类确定生物标志物,预测ICI与化疗结合的疗效
Xiaotian Xu1, Yiling Li1, Shiran Sun2
1Department of Clinical Laboratory, State Key Laboratory of Molecular Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Cancer letters
|July 23, 2025
概括
识别不同的炎症性细胞因子概况可以预测患者对免疫疗法与化疗相结合的反应. 一个新的基于细胞因子的ICI生存指数 (CISI) 模型提高了个性化癌症治疗的预后准确性.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物标志物发现发现
背景情况:
- 化疗增强免疫检查点抑制剂 (ICI) 的有效性,但需要患者分层.
- 细胞因子对于免疫治疗结果至关重要,多重分析可以识别预测生物标志物.
- 精确的患者选择对于优化ICI加化疗方案至关重要.
研究的目的:
- 识别与免疫疗法反应和生存相关的不同的细胞因子概况.
- 使用细胞因子集群和临床数据开发免疫疗法结果的预测模型.
- 验证开发模型的预测能力与传统生物标志物相比.
主要方法:
- 分析了来自泛癌患者和健康对照组的1331个血样本,使用非负矩阵因子化进行细胞因子聚类.
- 对集群对早期反应和无进展生存期 (PFS) 的影响评估.
- 基于细胞因子的ICI生存指数 (CISI) 模型的开发和验证,包括在体内验证细胞因子对抗编程死亡1 (PD1) 治疗的影响.
主要成果:
- 确定了三个炎症性细胞因子集群:亲炎症性 (集群1),IL-6主导 (集群2) 和Th2激活 (集群3).
- 与集群1和2相比,集群3显示PFS和响应率明显高于集群1和2.
- 结合细胞因子集群和临床变量的CISI模型显示出比PD-L1 (0.55) 和IL-8 (0.56) 更高的预测效率 (C指数=0.75).
结论:
- 细胞因子聚类和CISI模型有效预测癌症患者的预后和免疫治疗反应.
- 这种方法为个性化癌症治疗策略提供了宝贵的见解.
- 多重细胞因子分析可以增强组合免疫疗法的患者分层.
