全癌症分析涉及胆固醇生物合成的新见解,用于免疫疗法反应预测和生存预后

科学领域:

• 在瘤学瘤学.
• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.

背景情况:

• 免疫检查点抑制剂 (ICI) 已经彻底改变了癌症治疗,但面临的挑战是有限的反应率和异质性.
• 向瘤中的胆固醇生物合成 (CB) 是一种新的策略,可以增强抗瘤免疫力,并可能提高ICI的疗效.

研究的目的:

• 研究胆固醇生物合成与对免疫检查点抑制剂治疗的反应之间的关系.
• 开发和验证一种新的胆固醇生物合成相关签名 (CB.SIG),用于预测免疫治疗反应.

主要方法:

• 从泛癌队列和ICI治疗患者中分析单细胞RNA测序 (scRNA-seq) 数据.
• 使用集成的转录和CRISPR选数据集,制定和验证CB关联签名 (CB.SIG).
• 机器学习模型被用来预测免疫治疗反应和患者的预后.

主要成果:

• 较高的CB分数与免疫治疗耐药性相关.
• CB.SIG显示与抗瘤免疫和免疫细胞透有负相关性,与促进瘤通路有正相关性.
• 使用CB.SIG的机器学习模型在预测免疫疗法反应和预后方面实现了0.73的AUC,超过了现有的生物标志物. TNFRSF10B被确定为一个预测性生物标志物.

结论:

• CB.SIG是一种强大的工具,用于预测多种癌症类型的免疫治疗反应和患者预后.
• 向胆固醇生物合成为增强抗瘤免疫反应提供了一个有希望的途径.
• TNFRSF10B是一种经过验证的全癌症生物标志物,用于免疫疗法反应和生存,在癌症细胞行为中发挥功能作用.