亚西亚健康网 >论坛 > › 肿瘤类别 › 脑瘤 > 免疫治疗标志物组合预测的探索，MSKCC 又发Nature Biote ... [我要发帖]

免疫治疗标志物组合预测的探索，MSKCC 又发Nature Biotechnology 0 91

楼主：阿里2022-02-11 09:11:08 只看楼主

来源：Oncology Biomarker

MSKCC的 Timothy Chan团队对于免疫治疗标志物的研究，成果颇多，之前多次聚焦在TMB的预测作用。

此次 Timothy Chan团队综合分析了多个生物因素，利用机器学习模型，相比单个TMB指标，可以更好预测免疫治疗疗效。成果于11月初在Nature子刊发表。
入组情况
研究数据入组MSKCC的1479名患者，涵盖16种癌症类型，包括NSCLC，黑色素瘤，泌尿肿瘤、头颈癌和结直肠癌等。这些患者经历了PD-(L)1 或CTLA-4联合治疗，把所有患者分为训练队列和验证队列进行分析。
预测模型
研究者纳入了16种生物学因素，命名为RF-16模型，包括了TMB、免疫疗法前化疗情况、白蛋白、血中性粒细胞/淋巴细胞比率（NLR）, 血小板和血红蛋白（HGB）等血液指标，拷贝数改变（FCNA）、BMI、年龄、HLA-1进化差异（HED）、肿瘤类型、HLA-1杂合性缺失、性别、药物类型、肿瘤分期、MSI。如下图：

从上图中可以看到，TMB的预测效果相对最大，其次是化疗史，相应的血液指标也有预测价值，MSI的预测作用可能和TMB相重叠而削弱。
结论
结论证明：在如下训练队列中，RF16表现出了非常好的敏感性，无论泛癌种还是单独的癌种，AUC均超过0.8，远超单项TMB，预测效果也超过了RF11模型(即考虑11种更简洁的生物因素)。

研究者也预测了OS 的能力，比如下图a，对于验证集中泛癌种的295例，RF16预测模型的一致性指数（C-index）最高为0.71，高于其他预测标志物，TMB只有0.54，也证实了 TMB对于OS的预测价值有限。图b显示了在RF16模型下，预测免疫治疗Response组的黄色生存曲线明显好于免疫治疗Non-response组的蓝色曲线。

这些结论证实了，通过机器学习，融合多项免疫预测的生物因素，可以提高OS和 PFS的预测价值，这些生物因素来自于体细胞和生殖细胞变异、临床特征、血液标志物等。
欠缺的是，此次研究没有纳入PD-L1染色表达的数据和转录组transcriptomic data, 而没有能更全面的关注肿瘤微环境的影响。
作者认为，整合分析肿瘤微环境、微生物菌落、TCR多样性及DNA损伤修复变异/耐药变异等都将进一步推动免疫治疗的预测价值。
参考资料：
Improved prediction of immune checkpointblockade efficacy across multiple cancer types，Nature biotechnology,2021.
责任编辑：肿瘤资讯-Shirley
排版编辑：肿瘤资讯-Shirley

肿瘤

上一主题下一主题

声明：亚西亚健康网登载此文出于传递更多信息，并不代表本站观点。文章内容仅供参考，具体治疗及选购请咨询医生或者相关专业人士