一个基于血清代谢物的机器学习模型预测了在不匹配修复缺陷的结直肠癌中对新辅助免疫疗法的反应
Tao Ma1,2, Weili Zhang3,4, Yuxi Pan2,5,6
1Department of Pancreatic Hepatobiliary Surgery, The Sixth Affiliated Hospital, Sun Yat-sen University, Guangzhou, China.
Frontiers in oncology
|March 9, 2026
概括
一个新的5代谢物模型准确地预测了不匹配修复缺陷结直肠癌的免疫治疗反应. 这种非侵入性工具有助于为接受免疫检查点抑制剂的患者做出治疗决策.
科学领域:
- 在瘤学瘤学.
- 免疫治疗是一种免疫疗法.
- 代谢学 代谢学 代谢学
背景情况:
- 微卫星不稳定性高 (MSI-H) 或不匹配修复缺陷 (dMMR) 的结直肠癌 (CRC) 对免疫检查点抑制剂 (ICI) 反应良好.
- 然而,许多患者对ICI产生耐药性,并且缺乏可靠的非侵入性生物标志物来预测治疗疗效.
研究的目的:
- 在dMMR CRC.中识别和验证与免疫治疗反应相关的血清代谢物.
- 开发一种免疫疗法疗效的非侵入性预测模型.
主要方法:
- 使用液体染色体质谱法 (LC-MS) 和ELISA分析血清代谢物.
- 使用机器学习构建一个随机森林模型 (5-Metabolite预测模型,5-MPM) 使用前列腺素E2 (PGE2),基,氨酸,氨酸和氨酸.
主要成果:
- 5-MPM实现了高预测性表现,在培训队列中AUC值为0.85,在验证队列中为0.88.
- SHAP分析确定了关键代谢物贡献,并且添加转移阶段并没有提高预测准确度.
结论:
- 这项研究建立了第一个关于免疫治疗反应的dMMRCRC代谢重编程的系统性表征.
- 开发的5-MPM作为一种非侵入性,高精度的工具,用于预测免疫疗法的疗效,支持个性化治疗策略.
