|
美国时间8月22日（22 Aug 2019），JAMA ONCO.发表了一篇NIH的研究报告，研究者使用大数据分析出预测免疫治疗（PD-1&PD-L1 抑制剂）反应率的相关预测因子。最具关联度的三个预测因子依次为：CD8 T细胞丰度评估、TMB(肿瘤突变负荷)、 PD-1基因高表达样本组分，如果综合运用这三个不同类别的预测因子组合则预测相关性最高。
该研究是由美国国家癌症研究中心（NCI）肿瘤数据科学实验室主任Eytan Ruppin与团队成员Joo Sang Lee所进行。
Eytan Ruppinn 教授 Eytan Ruppin毕业于特拉维夫大学的计算机科学专业，自1995年起担任计算机科学与医学教授，主持计算多学科研究，涵盖各种主题，包括神经科学，进化计算，自然语言处理，机器学习和系统生物学。他于2014年7月加入马里兰大学，担任计算机科学教授和生物信息学与计算生物学中心（CBCB）主任，之后于2018年1月加入NCI。他是EMBO报告和分子系统生物学编辑委员会的成员。他同时是一家从事精准医学和癌症药物发现的创业公司的联合创始人。 随着对抗PD-1 、PD-L1药物的研究不断加深，以及在不同肿瘤上使用的不同方案的成功或失败，临床工作者对于预测免疫治疗预后的指标也越来越关注。PD-1 / PD-L1抑制剂在许多癌症表现出生存获益，但这些治疗的功效在不同的癌症类型中又显着不同。确定与这种癌症类型特异性反应相关的潜在变量仍然是一项重要的开放式研究挑战。 The Cancer Genome Atlas（癌症基因组图谱）由美国National Cancer Institute（NCI）和National Human Genome Research Institute（NHGRI）于2006年联合启动的项目，是一种肿瘤多组学的共享数据库。 该研究便是通过分析来自The Cancer Genome Atlas（肿瘤基因图谱）队列的多组学数据和21种癌症类型的治疗数据的客观反应率（ORR）得出的结果。
分析结果（图片转自JAMA ONCO） 这项研究系统地评估大量新抗原，检查点和免疫反应相关变量，以确定准确预测不同癌症类型的抗PD-1/ PD-L1治疗反应的关键变量。在选取的36个变量中，CD8 T细胞丰度评估（estimated CD8 T cell abundance）是对抗PD-1 / PD-L1治疗对癌症类型的反应最具预测性（Spearman R =0.72; P <2.3×10-4），其次是 TMB(肿瘤突变负荷)（Spearman R = 0.68; P <6.2×10-4），以及PD-1基因高表达样本组分（fPD1）（SpearmanR = 0.68; P <6.9×10-4）。值得注意的是，这三个排前三的变量涵盖了所考虑的3个类别，并且它们的组合与反应高度相关（Spearman R = 0.90; P <4.1×10-8），解释了在不同肿瘤类型中观察到的超过80％的ORR变化。 这也是对不同肿瘤类型的抗PD-1 / PD-L1治疗反应相关的不同变量的第一次系统评估。研究结果表明，3个关键变量可以解释大多数观察到的跨癌症反应变异性，但它们的相对解释角色可能因特定癌症类型而异。免疫、肿瘤抗原和目标检查点三类变量需要结合使用，才能准确预测抗PD-1/PD-L1治疗的反应。 抗原君有话说 精准医学发展到今天，无论是在特定瘤种上单一有效抗肿瘤靶点的发现，或是类似PD-1/PD-L1通路广泛表达在不同瘤种上的有效免疫治疗靶点的选择都存在一定困难。当前围绕既往已发现的有限肿瘤驱动基因的小分子药物研发或是抗体都试图通过药物结构改善其分子生物学层面的药学特性以达到降低副作用或提升靶向亲和力提升疗效。同时随着对疾病与基因关系研究的不断深入带来的研究的复杂性，对于数理统计等计算科学的需求不断提升，从而加速了生物信息技术的不断发展。个体化治疗充分发展的基础条件便是基于过往已积累的无数针对不同的单一变量的最佳治疗手段的总结。这些研究结果通常是由通过严格控制患者筛选确保研究对照的基线水平相近，从而检验某一变量的意义。然而在真实世界的患者状况相比临床研究的患者情况要复杂的多，除了可能存在基础疾病或其它不可控因素。这使得在真实世界中患者的治疗如果期望达到个体化的目标，只能依靠全新的依靠信息技术实现低成本的个体化指导。这也是为何近年来机器学习、图像识别等AI技术结合多维度患者信息远程获取的大数据手段在患者诊断与远程康复的应用越来越多。各大期刊也不断刊登这些新技术的应用研究的成果。 有意思的是，医疗领域的复杂性带来了对这些全新的技术的强烈需求，同时又由于医疗领域关乎生命健康的伦理使得这些发展的技术很难在深度的医疗活动中得以应用，这似乎成为这个行业发展的一个悖论。可喜的是，AI与大数据的技术的发展倒是在药物治疗靶点与化合物筛选中得到越来越多的应用。由于药物临床前后有着一系列的法律法规与研究体系，确保了新技术应用的潜在风险得以控制。 声明：笔者专业水平有限，仅供业余与同行相互学习交流。文章仅代表个人观点，无法替代权威专业机构及专家意见。公众号推送文献报告仅供学术交流，不以商业为目的。如涉及侵权请后台回复联系小编删除 。 |
|
|
