通过综合放射基因组学解码树突细胞亚型:用于预测NSCLC免疫治疗反应的堆叠组合模型
Qiong Wang1,2, Lili Deng3, Deyue Jiang4
1Department of Pathophysiology, School of Basic Medical Science, Anhui Medical University, Hefei, China.
概括
这项研究整合了单细胞RNA测序和放射学,以预测非小细胞肺癌 (NSCLC) 的抗PD-1免疫治疗反应. 树突细胞 (DCs) 和特定标记基因被确定为治疗成功的关键预测因素.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 计算生物学 计算生物学
背景情况:
- 抗PD-1免疫疗法是非小细胞肺癌 (NSCLC) 的关键治疗方法.
- 了解反应机制,特别是免疫细胞的参与,对于改善治疗结果至关重要.
- 树突细胞 (DCs) 在调节抗瘤免疫力方面发挥着重要作用.
研究的目的:
- 开发一个综合单细胞RNA测序 (scRNA-seq),放射学和深度学习的多模式框架.
- 解读NSCLC中抗PD-1反应背后的DC介导机制.
- 为了确定免疫治疗反应的预测生物标志物.
主要方法:
- 来自NSCLC患者的瘤样本的scRNA-seq分析 (响应者与非响应者).
- 放射性特征提取和深度学习模型 (LSTM,ResNet50).
- 细胞间通信和伪时间分析,以确定关键的DC子集和标记基因.
主要成果:
- 在响应者和非响应者之间观察到DC子集的显著差异.
- 传统的DC2 (cDC2) 和宽容性DC (tDC) 被确定为与治疗结果相关的关键子集.
- 六个DC相关基因 (FAM3B,TFAP2A,RTKN2,XCL2,KRT6A,RAB27B) 显示出具有预测价值的基因.
- 一个堆叠的集体学习模型整合了转录,临床和放射性数据,在预测反应方面实现了高精度 (0.97) 和AUC (0.99).
结论:
- 结合scRNA-seq和放射学的多式框架准确地预测了NSCLC的免疫治疗反应.
- 特定的DC子集及其相关标记基因具有作为抗PD-1治疗的预后生物标记物的潜力.
- 这种方法提供了对影响免疫治疗疗效的DC介导机制的见解.
