乳腺癌可以通过T细胞受体谱的机器学习从外围血液中检测到

科学领域:

• 免疫学 免疫学 免疫学
• 在瘤学瘤学.
• 生物信息学是一种生物信息学.

背景情况:

• 免疫系统的多样性,特别是T和B淋巴细胞,对于防御至关重要.
• T细胞受体 (TCRs) 通过V(D) J重组产生了广泛的变异性.
• 乳腺癌是女性的主要癌症,从早期检测中获益,有效治疗.

研究的目的:

• 为了研究外周血液TCR谱和乳腺癌状况之间的关联.
• 为了确定TCR配置文件是否可以作为乳腺癌检测的生物标志物.

主要方法:

• 从98名女性 (患者和健康的捐赠者) 收集了外周血液样本.
• 在采集的样本上进行了TCR目录的分析.
• 利用机器学习算法来分析TCR数据并与瘤状态相关联.

主要成果:

• 机器学习模型根据TCR概况 (平均AUC为0.96) 准确地区分乳腺癌的存在和缺乏.
• 在TCR曲目特征和乳腺癌状况之间显示出显著的关联.

结论:

• 免疫系统保留瘤特异性信号在TCR谱中,可以在外周血液中检测到.
• 通过TCR分析,有可能开发用于乳腺癌检测和监测的新型非侵入性方法.