从多中心临床试验中使用RNA和病理学预测NSCLC的免疫治疗结果

科学领域:

• 在瘤学瘤学.
• 免疫治疗是一种免疫疗法.
• 基因组学就是基因组学.

背景情况:

• 免疫检查点抑制剂 (ICI) 是高级非小细胞肺癌 (NSCLC) 的标准.
• 预测患者对ICI的反应和识别不响应者对于优化治疗至关重要.
• 探索组合疗法和抵抗机制对于改善结果至关重要.

研究的目的:

• 开发和验证一种基于RNA的免疫治疗反应的预测模型,用于高级NSCLC.
• 将新型模型的预测性能与PD-L1和瘤突变负担等已知的生物标志物进行比较.
• 调查与免疫疗法反应和耐药性相关的潜在分子机制和细胞概况.

主要方法:

• 分析了来自多个临床试验和内部队列的1127名先进NSCLC患者的大量RNA-seq转录组数据.
• 使用相互作用分析和随机森林算法开发肺癌免疫疗法响应评估 (LIRA) 模型.
• 使用scRNA-seq和深度学习分析对整个幻灯片图像进行验证,以识别细胞和空间特征.

主要成果:

• 与PD-L1表达和瘤突变负担相比,LIRA模型表现出优异的预测性能.
• 在ICI单独治疗期间,LIRA有效地识别了患有早期进展高风险的患者 (HR:0.15).
• 特定的基因 (LRP8,HDAC4) 和独特的免疫细胞特征 (T细胞增加,上皮细胞减少) 与LIRA分数和治疗结果有关.

结论:

• LIRA模型提供了一种独立且准确的方法,用于免疫治疗中NSCLC患者的风险分层.
• LIRA提供了关于免疫疗法耐药性的潜在机制的宝贵见解.
• 这些发现支持LIRA用于高级NSCLC的个性化治疗决策.