相关实验视频
Updated: Mar 1, 2026
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.6K
在黑色素瘤中使用单细胞转录组数据对免疫疗法反应的无注释预测
Da Eun Oh1,2, Gaeun Kee3,4, Ji-Hye Oh1
1Bioinformatics Core Laboratory, Convergence Medicine Research Center, Asan Institute for Life Sciences, Asan Medical Center, Seoul, Republic of Korea.
PloS one
|February 27, 2026
概括
一个人工智能模型使用单细胞RNA测序数据预测黑色素瘤中的免疫检查点抑制剂反应. 这种方法可以识别新的生物标志物,如CCR7,从而改善个性化免疫治疗的患者分层.
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:
- 免疫检查点抑制剂 (ICI) 已经彻底改变了晚期黑色素瘤治疗,但由于瘤异质性,响应预测仍然具有挑战性.
- 现有的生物标志物,如PD-L1和瘤突变负担,对黑色素瘤的预测准确性有限.
- 对于新型生物标志物来识别可能受益于ICI的患者而言,这是非常必要的.
研究的目的:
- 开发和验证基于人工智能 (AI) 的模型,用于使用单细胞RNA测序 (scRNA-seq) 数据预测黑色素瘤中的ICI响应.
- 在不需要细胞类型注释的情况下,识别ICI反应的新型预测生物标志物.
- 探索黑色素瘤中已识别的生物标志物的功能作用和临床意义.
主要方法:
- 一个人工智能模型被训练在scRNA-seq数据从 16,290 瘤透细胞在黑色素瘤.
- 评估了多个AI算法,包括极端梯度提升,随机森林和卷积神经网络.
- 使用三个独立的散装RNA-seq数据集验证了表现最好的模型.
主要成果:
- 人工智能模型在预测ICI响应时实现了0.87曲线下的面积.
- 该模型确定了29个预测生物标志物,特别是CCR7和MTRNR2L2.2.
- CCR7与有利的ICI反应和改善的生存率有关,主要表达在响应者的B细胞和记忆T细胞中.
- MTRNR2L2与不响应和较差的结果有关,在不响应者的耗尽的T细胞中升高.
- CCR7的表达与黑色素瘤的免疫分子亚型有显著的关联.
结论:
- 无注释的scRNA-seq数据的AI驱动的预测建模是识别黑色素瘤中临床相关生物标志物的强有力的方法.
- 鉴定的生物标志物,特别是CCR7,为改善患者分层和个性化免疫治疗策略提供了潜力.
- 这种方法有助于更深入地了解ICI治疗的响应者与非响应者的免疫场景.
