Cancer Research：利用拉曼光谱来预测免疫疗法是否有效

　　

约翰霍普金斯大学的研究人员近日首次使用非侵入性光学探针来了解肿瘤在免疫治疗后发生的复杂变化。这项成果于近日发表在《Cancer Research》杂志上。

约翰霍普金斯大学机械工程系的副教授Ishan Barman称：“免疫疗法真的像魔法一样有效，从根本上改变了我们管理癌症的方式。然而，只有大约25%的患者能从中受益，因此迫切需要确定预测性生物标志物，以确定谁应该接受治疗。”

研究团队使用了一种称为拉曼光谱（Raman spectroscopy）的技术，这种技术利用光来确定材料的分子组成。他们检测了接受免疫治疗的小鼠（采用两种免疫检查点抑制剂）以及未接受治疗的对照组小鼠的结肠癌肿瘤。

直到最近，拉曼光谱才针对生物医学应用进行了优化。该论文的第一作者、约翰霍普金斯大学机械工程系的博士生Santosh Paidi表示：“这是首个表明这种光学技术有能力识别对免疫疗法的早期应答或耐药的研究。”

他认为，拉曼光谱的一个好处是它提供了精细的分子特异性。“你将会得到一个非常精确的分子特征，”他说。这种方法不仅适用于肿瘤细胞，还适用于探索肿瘤微环境的组成变化。

“我们希望对肿瘤微环境有更全面的了解，而不是瞄准一些可疑分子。这是因为肿瘤不仅仅包含恶性细胞。肿瘤微环境中还包含肿瘤基质、血管、浸润性炎症细胞和各种相关的组织细胞，”Barman说。“我们的想法是采用这种方法并将其系统化，以便医生可以用它来确定免疫治疗是否对患者有益。”

研究团队此次使用拉曼数据（25个肿瘤的大约7500个光谱数据点）来训练一种算法，以确定由免疫疗法诱导产生的一系列特征。“我们的问题是，我们能否区分这三组对象，以及哪种具体的光谱特征可以区分它们。”

他们采用不同小鼠的数据来建立一个机器学习分类器并测试其性能。其目标是模拟算法在面对新数据时遇到的生物可变性。“你需要毫无疑问地证明，你所看到的差异是由免疫检查点抑制剂引起的，而不仅仅是两个人之间的差异，”Barman说。

研究小组报告说，这些结果表现出很好的前景。Barman说：“我们能够确定，在进行每种免疫检查点抑制剂治疗时，胶原蛋白水平、脂质水平和核酸水平以及它们在肿瘤中的空间分布都会发生显著变化。”

这些差异是细微的，但具有统计学意义，并且与在样本上进行的蛋白质组学分析结果一致，这表明该技术有望提供一些早期迹象，反映肿瘤是否对免疫疗法产生应答。

未来还需要更多的研究，但研究团队相信，他们的工作将为开发一种预测患者是否会对免疫疗法产生积极应答的方法铺平道路。“与机器学习相结合，拉曼光谱有望改变预测治疗应答的临床方法，”Paidi说。

###

Santosh Kumar Paidi, Joel Rodriguez Troncoso, Piyush Raj, Paola Monterroso Diaz, Jesse D Ivers, David E Lee, Nathan L Avaritt, Allen J. Gies, Charles M. Quick, Stephanie D. Byrum, Alan J. Tackett, Narasimhan Rajaram, Ishan Barman. Raman spectroscopy and machine learning reveals early tumor microenvironmental changes induced by immunotherapy. Cancer Research, 2021; canres.1438.2021 DOI: 10.1158/0008-5472.CAN-21-1438