相关实验视频
Updated: Feb 28, 2026
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.6K
一个机器学习模型集成循环的Temra细胞转录特征,以预测免疫疗法的疗效
Yichen Dong1, Xuanhao Xu2, Haojie Si1
1Department of Thoracic Surgery, Shanghai Pulmonary Hospital, Tongji University School of Medicine, Shanghai, China.
Med (New York, N.Y.)
|February 26, 2026
概括
基于血液的Temra细胞准确地预测癌症患者的免疫治疗反应. 这种新型生物标志物增强了临床决策,以获得更好的患者结果.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 基因组学就是基因组学.
背景情况:
- 免疫疗法已经彻底改变了癌症治疗,但持久反应率仍然很低 (<30%).
- 目前的生物标志物对于患者分层缺乏精度.
- 基于血液的生物标志物提供了一种最少的侵入性方法,以动态监测治疗反应.
研究的目的:
- 识别和验证基于血液的生物标志物,以预测免疫疗法的疗效.
- 开发一种机器学习模型,使用特定免疫细胞的转录数据.
- 评估这些生物标志物的预测性能在一个潜在的队列.
主要方法:
- 配对血液和瘤样本的单细胞RNA和T细胞受体测序.
- 整合13个公共单细胞数据集,创建一个CD8+ T细胞地图.
- 在Temra细胞转录形状上训练和验证后勤回归模型.
主要成果:
- 循环的Temra细胞在周围血液中显示出最高的克隆扩张.
- 梅拉细胞转录特征与治疗疗效和患者结果相关联.
- 预测模型在外部验证中达到87%-95%的准确性,在预期的NSCLC队列中AUC为0.834.
结论:
- 循环的Temra细胞是免疫疗法疗效的可靠预测因素.
- 建立了一个基于机器学习的,泛癌,血源转录组生物标志物.
- 这种生物标志物显示出有可能显著改善免疫瘤学的临床决策.
更多相关视频
07:47Author Spotlight: Unveiling Transmembrane Protein Family-Related Markers in Gastric Cancer and Implications for Targeted Therapies
Published on: September 15, 2023
2.3K
09:31Orthotopic Implantation and Peripheral Immune Cell Monitoring in the II-45 Syngeneic Rat Mesothelioma Model
Published on: October 2, 2015
9.7K
