A machine learning model integrating circulating Temra cell transcriptional profiles to predict immunotherapy efficacy - PubMed
3 months ago
- #immunotherapy
- #biomarker
- #machine learning
- 本研究开发了一种机器学习模型，利用循环终末分化效应记忆T细胞（Temra）的转录组特征预测免疫治疗效果。
- 该研究通过单细胞RNA测序和T细胞受体测序，分析了15例患者的配对外周血和肿瘤样本。
- 研究发现循环Temra细胞是外周血中克隆扩增最显著的CD8+亚群，且在治疗应答者与非应答者间呈现明显分化轨迹差异。
- 基于Temra细胞转录特征的预测模型在外部验证队列中表现出高准确率（87%-95%）。
- 在131例晚期非小细胞肺癌患者的前瞻性队列验证中，模型展现出强预测性能（AUC = 0.834）。
- 研究表明循环Temra细胞可作为免疫治疗疗效的可靠预测指标，有望优化肿瘤免疫治疗的临床决策。