单细胞转录组学识别了HNSCC免疫疗法反应中的新型预后特征

科学领域:

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

背景情况:

• 头部和部状细胞癌 (HNSCC) 提出了重大的治疗挑战.
• 了解瘤免疫微环境对于有效的免疫疗法至关重要.
• 需要预测模型来指导HNSCC治疗策略.

研究的目的:

• 在免疫治疗期间分析HNSCC患者瘤免疫微环境的变化.
• 在HNSCC.中开发免疫治疗反应的预后模型.
• 识别与治疗结果相关的免疫细胞特征.

主要方法:

• 分析了从HNSCC患者获得的单细胞RNA测序 (scRNA-seq) 数据,这些患者接受了TLR8激动剂和抗PD1疗法.
• 在治疗前和治疗后确定了细胞亚群和免疫细胞类型 (六种主要类型).
• 使用scRNA-seq和大量RNA-seq数据开发了一个LASSO-Cox风险分层模型.

主要成果:

• 确定了19个治疗前和13个治疗后的细胞亚群.
• 在主要的免疫细胞类型中观察到不同的基因表达模式.
• 一个51基因的LASSO-Cox模型显示了对患者生存的强大预测性能 (AUC:0.749-0.800).
• 高风险患者表现出质衍生抑制细胞 (MDSC) 和癌症相关纤维细胞 (CAF) 的增加,以及免疫细胞透的改变.

结论:

• 开发的预后模型有效地捕捉了HNSCC.患者的免疫状态.
• 该模型为优化HNSCC的免疫疗法策略提供了洞察力.
• 识别免疫细胞特征可以改善治疗选择和患者的治疗结果.